用于小样本时间序列分类的频谱传播图网络
机器学习
2022-11-23 v3 人工智能
摘要
小样本时间序列分类是时间序列分析中的一个具有挑战性的问题。当同一类的时间序列在频谱域中不完全一致，或者不同类的时间序列在频谱域中部分一致时，分类变得更加困难。为了解决这个问题，我们提出了一种名为频谱传播图网络的新方法，以显式地建模和传播不同时间序列之间基于频谱的关系。据我们所知，SPGN 是第一个利用不同区间内的频谱比较，并通过图网络在所有时间序列之间进行频谱传播以用于小样本时间序列分类的方法。SPGN 首先使用带通滤波器在频谱域中扩展时间序列，以计算时间序列之间的频谱关系。然后，借助图网络，SPGN 将频谱关系与标签信息整合以进行频谱传播。进一步的研究揭示了频谱关系获取与频谱传播之间的双向效应。我们在小样本时间序列分类基准上进行了大量实验。SPGN 以 的大幅优势超越了最先进的结果。此外，在跨域和跨路设置下，SPGN 分别以约 和 的优势超越了它们。
引用
@article{arxiv.2202.04769,
title = {Spectral Propagation Graph Network for Few-shot Time Series Classification},
author = {Ling Yang and Shenda Hong and Luxia Zhang},
journal= {arXiv preprint arXiv:2202.04769},
year = {2022}
}