面向时间序列分类的统一对比-生成框架
机器学习
2025-08-14 v1 人工智能
摘要
多变量时间序列的自监督学习（SSL）主要包括两大范式：一是对实例区分优秀的对比方法，二是建模数据分布的生成方法。虽然两者各自有效，但其互补潜力尚未被探索。我们提出对比生成时间序列框架（CoGenT），首个将这两种范式通过联合对比-生成优化统一起来的框架。CoGenT解决了两种方法的根本局限：它克服了对比学习对时间序列数据中高内类相似性的敏感性，同时减少了生成方法依赖大规模数据集的局限。我们在六个多样化时间序列数据集上评估了CoGenT。结果显示，性能稳步提升，最高可相较于独立的SimCLR和MAE分别获得59.2%和14.27%的F1分数提升。我们的分析表明，混合目标既保留了判别力，又获得了生成鲁棒性。这些发现为时域上的混合SSL奠定了基础。我们将不久后发布代码。
引用
@article{arxiv.2508.09451,
title = {A Unified Contrastive-Generative Framework for Time Series Classification},
author = {Ziyu Liu and Azadeh Alavi and Minyi Li and Xiang Zhang},
journal= {arXiv preprint arXiv:2508.09451},
year = {2025}
}