融合時頻特征的多粒度時間序列對比學習方法

摘要： 現有的時間序列對比學習方法存在增強樣本構造方式過于依賴人工經驗、泛化能力不足、正樣本的定義方式不夠通用、對比度量方式存在粗粒度表征等問題，使得整體的時序表示效果較差。為此，提出了一種融合時頻特征的多粒度時間序列對比學習方法(Temporal-Spectral Deep Contrastive Network, TSDC)。該方法通過季節-趨勢生成網絡在時域內產生具有穩定變化的時... （共13頁）