龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国地质大学(武汉)
摘要：本公开提供了一种基于多对比学习的时间序列深度聚类方法、装置及介质，所述方法包括：首先获取时间序列数据集并进行数据增强处理，生成增强数据集；接着提取时间序列数据集中各序列数据的位置信息，对每个位置信息进行编码，生成相应的空间信息向量集；然后利用时间序列数据集、增强数据集和空间信息向量集训练多对比聚类模型；通过预设的损失函数评估模型的目标损失，根据评估结果调整模型参数并重复训练，直至满足预设的聚类要求，得到训练好的多对比聚类模型；最后，利用训练好的模型，根据空间信息向量集对时间序列数据集进行聚类处理，得到最终的聚类结果。本公开通过融合时间与空间信息，引入多对比学习机制，提高了聚类的准确性和鲁棒性。
主权项：1.一种基于多对比学习的时间序列深度聚类方法，其特征在于，包括：获取时间序列数据集，并基于预设数据增强方法对所述时间序列数据集进行数据增强处理，得到增强数据集；所述时间序列数据集包括不同位置的时间序列数据；所述时间序列数据包括不同时间点对应的数据信息；所述增强数据集中的增强数据与所述时间序列数据中的数据信息一一对应；获取所述时间序列数据集中各时间序列数据对应的空间位置信息，并基于空间信息编码器分别对各个空间位置信息进行编码处理，得到与所述时间序列数据集对应的空间信息向量集；根据所述时间序列数据集、增强数据集以及空间信息向量集，对待训练的多对比聚类模型进行训练；并基于预设损失函数判断所述待训练的多对比聚类模型的目标损失是否满足预设损失条件，根据判断结果调整所述待训练的多对比聚类模型的模型参数，重复上述步骤，直至训练结果符合预设聚类要求，得到训练好的多对比聚类模型；所述目标损失包括重建损失、聚类分布损失、空间软对比损失、实例对比损失和聚类对比损失；根据所述空间信息向量集，基于所述训练好的多对比聚类模型对所述时间序列数据集进行聚类处理，得到目标聚类结果。
全文数据：
权利要求：
百度查询： 中国地质大学(武汉) 基于多对比学习的时间序列深度聚类方法、装置及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号