[發(fā)明專利]一種基于FCN的多變量時間序列數(shù)據(jù)分類方法

有效

• 申請?zhí)枺?/td>: 202011418905.2
• 申請日: 2020-12-07
• 公開（公告）號: CN112465054B
• 公開（公告）日: 2023-07-11
• 發(fā)明（設計）人: 包先雨;吳共慶;蔡伊娜;何伊娜;臺昌楊;阮周曦;楊澤;夏家鑄
• 申請（專利權(quán)）人: 深圳市檢驗檢疫科學研究院;合肥工業(yè)大學;深圳海關(guān)信息中心;深圳海關(guān)動植物檢驗檢疫技術(shù)中心
• 主分類號: G06F18/2415
• 分類號: G06F18/2415;G06F18/213;G06F18/214;G06N3/0464;G06N3/047;G06N3/048;G06N3/08;G06F123/02
• 代理公司: 深圳市智勝聯(lián)合知識產(chǎn)權(quán)代理有限公司 44368
• 代理人: 齊文劍

1.一種基于FCN的多變量時間序列數(shù)據(jù)分類方法，其特征在于，所述方法包括：

確定多變量時間序列數(shù)據(jù)對應的多變量高斯模型參數(shù)；

依據(jù)所述多變量高斯模型參數(shù)和所述多變量時間序列數(shù)據(jù)生成輸入條件；

利用人工智能模型的學習能力，建立所述輸入條件與所述多變量時間序列數(shù)據(jù)的數(shù)據(jù)類別之間的對應關(guān)系；所述人工智能模型為全卷積神經(jīng)網(wǎng)絡模型；

獲取目標的當前多變量時間序列數(shù)據(jù)，并依據(jù)所述當前多變量時間序列數(shù)據(jù)確定對應的當前輸入條件；

通過所述對應關(guān)系，確定與所述當前輸入條件對應的當前數(shù)據(jù)類別；具體地，確定與當前輸入條件對應的數(shù)據(jù)類別，包括：將所述對應關(guān)系中與所述當前輸入條件相同的所述輸入條件所對應的數(shù)據(jù)類別，確定為所述當前數(shù)據(jù)類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定多變量時間序列數(shù)據(jù)對應的多變量高斯模型參數(shù)的步驟，包括：

依據(jù)多變量高斯分布確定所述多變量時間序列數(shù)據(jù)中包含的特征的均值矩陣；

依據(jù)所述均值矩陣生成對應于所述多變量時間序列數(shù)據(jù)的特征關(guān)聯(lián)性量化結(jié)果的協(xié)方差矩陣。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述依據(jù)所述多變量高斯模型參數(shù)和所述多變量時間序列數(shù)據(jù)生成輸入條件的步驟，包括：

將所述多變量時間序列數(shù)據(jù)通過三次樣條插值填充生成等長多變量時間序列數(shù)據(jù)；

生成所述多變量時間序列數(shù)據(jù)所對應多變量高斯模型的均值矩陣；

將所述均值矩陣和所述協(xié)方差矩陣進行拼接，生成目標矩陣；

依據(jù)所述等長多變量時間序列數(shù)據(jù)、所述協(xié)方差矩陣和所述目標矩陣生成所述輸入條件。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述建立所述輸入條件與所述多變量時間序列數(shù)據(jù)的數(shù)據(jù)類別之間的對應關(guān)系的步驟，包括：

獲取用于建立所述輸入條件與所述數(shù)據(jù)類別之間的對應關(guān)系的樣本數(shù)據(jù)；

分析所述輸入條件的特性及其規(guī)律，根據(jù)所述特性及其規(guī)律，確定人工神經(jīng)網(wǎng)絡的網(wǎng)絡結(jié)構(gòu)及其網(wǎng)絡參數(shù)；

使用所述樣本數(shù)據(jù)，對所述網(wǎng)絡結(jié)構(gòu)和所述網(wǎng)絡參數(shù)進行訓練和測試，確定所述輸入條件與所述數(shù)據(jù)類別的所述對應關(guān)系。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述獲取用于建立所述輸入條件與所述數(shù)據(jù)類別之間的對應關(guān)系的樣本數(shù)據(jù)的步驟，包括：

收集不同數(shù)據(jù)源的所述輸入條件和所述數(shù)據(jù)類別；

對所述輸入條件進行分析、并結(jié)合預存的專家經(jīng)驗信息，選取與所述數(shù)據(jù)類別相關(guān)的數(shù)據(jù)作為所述輸入條件；

將所述數(shù)據(jù)類別、以及選取的所述輸入條件構(gòu)成的數(shù)據(jù)對，作為樣本數(shù)據(jù)。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，

對所述網(wǎng)絡結(jié)構(gòu)和所述網(wǎng)絡參數(shù)進行訓練，包括：

選取所述樣本數(shù)據(jù)中的一部分數(shù)據(jù)作為訓練樣本，將所述訓練樣本中的所述輸入條件輸入到所述網(wǎng)絡結(jié)構(gòu)，通過所述網(wǎng)絡結(jié)構(gòu)的損失函數(shù)，激活函數(shù)和所述網(wǎng)絡參數(shù)進行訓練，得到實際訓練結(jié)果；

確定所述實際訓練結(jié)果與所述訓練樣本中的相應數(shù)據(jù)類別之間的實際訓練誤差是否滿足預設訓練誤差；

當所述實際訓練誤差滿足所述預設訓練誤差時，確定對所述網(wǎng)絡結(jié)構(gòu)和所述網(wǎng)絡參數(shù)的所述訓練完成；

和/或，

對所述網(wǎng)絡結(jié)構(gòu)和所述網(wǎng)絡參數(shù)進行測試，包括：

選取所述樣本數(shù)據(jù)中的另一部分數(shù)據(jù)作為測試樣本，將所述測試樣本中的所述輸入條件輸入到所述訓練完成的所述網(wǎng)絡結(jié)構(gòu)中，以所述損失函數(shù)，激活函數(shù)和所述訓練完成的所述網(wǎng)絡參數(shù)進行測試，得到實際測試結(jié)果；

確定所述實際測試結(jié)果與所述測試樣本中的相應數(shù)據(jù)類別之間的實際測試誤差是否滿足設定測試誤差；

當所述實際測試誤差滿足所述設定測試誤差時，確定對所述網(wǎng)絡結(jié)構(gòu)和所述網(wǎng)絡參數(shù)的所述測試完成。