单变量时间序列的MHAGRU-MCCE分类方法

来源：电子测量技术杂志2024年第16期北京时间：

作者：林泓，刘桂雄，戈燕红，崔怀丰

单位：1.华南理工大学机械与汽车工程学院 广州 510640; 2.广东盈峰科技有限公司 佛山 528322

摘要：在单变量时间序列分类任务中，有效利用时间序列的多尺度特征、时间依赖特征对提高分类准确率至关重要。针对现有模型在综合利用多尺度特征、时间依赖特征方面局限，本文提出一种结合多尺度条件卷积增强模块(MCCE)与基于多头注意力机制的门控循环单元(MHAGRU)新型混合模型MHAGRU-MCCE，MCCE从不同尺度捕捉丰富时序特征，MHAGRU侧重于提取时间序列数据中依赖关系。在UCR的85个公共数据集上，与MACNN、AFFNet、OS-CNN、LITETime、MLP和LSTM-FCN等6种主流基于深度学习时间序列分类模型相比，验证表明MHAGRU-MCCE在平均准确率(MA)上分别提升0.66%、2.04%、3.45%、2.70%、12%和2.89%，并取得最高算术平均排名(AMR)=2.45、几何平均排名(GMR)=1.98，充分证明MHAGRU-MCCE在处理单变量时间序列分类问题上的有效性、优越性。

关键词：单变量时间序列分类;多尺度卷积;门控循环单元;注意力机制

基金资助：广东省重点领域研发计划“精密仪器设备”重点专项(2022B0303040001)资助