面向无源多变量时间序列域适应的时间恢复与空间重连
机器学习
2025-05-29 v1 人工智能
计算机视觉与模式识别
摘要
无源域适应 (Source-Free Domain Adaptation, SFDA) 旨在无需访问源数据的情况下，将预训练模型从有标注的源域适应到无标注的目标域，从而保护数据隐私。尽管现有的 SFDA 方法在减少对源数据的依赖方面已被证明有效，但由于未能考虑多变量时间序列 (Multivariate Time Series, MTS) 数据中固有的空间相关性，它们在 MTS 上表现不佳。这些空间相关性对于准确表征 MTS 数据和保持跨域的不变信息至关重要。为应对这一挑战，我们提出了时间恢复与空间重连 (Temporal Restoration and Spatial Rewiring, TERSE)，一种专为 MTS 数据量身定制的简洁新颖的 SFDA 方法。具体而言，TERSE 包含一个定制的时空特征编码器，旨在捕获潜在的时空特征，并结合时间恢复和空间重连任务，以恢复时间掩码时间序列和空间掩码相关结构的潜在表示。在目标适应阶段，通过利用源预训练的时间恢复和空间重连网络，引导目标编码器生成与源域在空间和时间上一致的特征。因此，TERSE 能够有效地建模和迁移跨域的时空依赖关系，促进隐式特征对齐。此外，作为首个在 MTS-SFDA 中同时考虑时空一致性的方法，TERSE 还可作为通用即插即用模块集成到现有的 SFDA 方法中。在三个真实世界时间序列数据集上的大量实验证明了本方法的有效性和通用性。
引用
@article{arxiv.2505.21525,
title = {Temporal Restoration and Spatial Rewiring for Source-Free Multivariate Time Series Domain Adaptation},
author = {Peiliang Gong and Yucheng Wang and Min Wu and Zhenghua Chen and Xiaoli Li and Daoqiang Zhang},
journal= {arXiv preprint arXiv:2505.21525},
year = {2025}
}