公开(公告)号：CN118035778A

公开(公告)日：2024-05-14

申请号：CN202410219739.5

申请日：2024-02-28

Applicant: 南京大学

Inventor： 李文中 ,  祝传泽 ,  陆桑璐

IPC: G06F18/23213 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/049 ,  G06F123/02

Abstract: 本发明公开了一种基于双维度多变量时序特征融合的聚类方法与装置，所述方法通过数据增强模块对原有时间序列数据进行增强，构造用于对比学习的样例对；通过编码模块来对数据进行编码，获得特征表示，该模块包括时序维度特征提取和变量维度特征提取两个子模块，分别用于从时序维度挖掘时序之间的依赖关系以及从变量维度挖掘变量之间的依赖关系；深度聚类模块则用来对编码后的向量进行聚类，评估模型效果。整个模型训练过程中，采用多任务训练的方法，将对比学习及聚类任务统一到同一个训练过程中。本发明通过从两个维度对时间序列数据进行特征提取，与常规的方法相比，有效提高了模型的编码聚类能力以及在面对含有缺失值数据时的鲁棒性。