计算机应用

作者：杨光局, 罗天健, 王开军, 杨思琪

单位：1.福建师范大学 计算机与网络空间安全学院，福州 350117；2.数字福建环境监测物联网实验室（福建师范大学），福州 350117

关键词：时间序列,自监督学习,对比表征学习,多分支,多视图

基金：国家自然科学基金资助项目(62106049);福建省自然科学基金资助项目(2022J01655)

时间序列数据在众多行业中拥有广泛应用，然而受限于标注信息的缺失和复杂的时频域多变性，针对时间序列的表征学习成为一项挑战性任务。因此，提出一种用于时间序列的多分支多视图的上下文对比表征学习（MBMVCRL）方法。首先，从时频这2个视角增强时间序列样本，并把结果分别输入多分支多视图模型，从而提取时间序列的多视角特征表达；其次，为进行对比表征学习，分别根据2个视角的特征表达，计算上下文对比误差和交叉预测误差，并联合训练以获取最优的特征表达；最后，为验证所提方法对时间序列的表征能力，采用仿射非负协同表征（ANCR）分类器进行下游的分类任务。实验结果表明，相较于主流的时间序列时序上下文对比学习（TS-TCC）方法，所提方法在人体动作、癫痫和睡眠状态识别任务上的识别准确率分别提升了5.15、0.90和1.89百分点。消融实验结果则表明了多分支多视图模型的重要性，强调了所提模型拥有的参数敏感性不高和收敛快的特点，可见所提模型在不同时间序列应用上具有不错的泛化性。

来源：2025年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第4期