[發(fā)明專利]基于Shapelet Transform提取特征的時(shí)序數(shù)據(jù)轉(zhuǎn)二維圖像的新方法

在審

• 申請?zhí)枺?/td>: 202210698030.9
• 申請日: 2022-06-20
• 公開（公告）號(hào): CN115294414A
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計(jì)）人: 陳柳潔;許鄧華;楊樂;傅繼陽
• 申請（專利權(quán)）人: 廣州大學(xué)
• 主分類號(hào): G06V10/77
• 分類號(hào): G06V10/77;G06V10/44;G06V10/764;G06V10/82;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 廣州高炬知識(shí)產(chǎn)權(quán)代理有限公司 44376
• 代理人: 孫明科

1.一種基于Shapelet Transform提取特征的數(shù)字信號(hào)數(shù)據(jù)轉(zhuǎn)二維圖像的新方法，其特征在于，包括以下步驟：

S1、Shapelet Transform提取特征

Shapelet Transform特征提取具以下有五個(gè)主要階段：生成Shapelets候選、計(jì)算Shapelets和時(shí)間序列之間的距離、評(píng)估Shapelets的質(zhì)量、發(fā)現(xiàn)Shapelets和ShapeletTransform；

S1.1、生成Shapelets候選

生成Shapelets方法為蠻力法、子序列丟棄法、熵剪枝法之一，當(dāng)采用蠻力法時(shí)，對于一個(gè)時(shí)間序列數(shù)據(jù)集TS＝{TS₁,TS₂……TS_n},其中一個(gè)單獨(dú)的時(shí)間序列TS_i＝〈t_i,1,t_i,2,…,t_i,m〉是m個(gè)實(shí)數(shù)的序列集合；令C為每個(gè)時(shí)間序列對應(yīng)類標(biāo)簽，時(shí)間序列學(xué)習(xí)集Φ{TS,C}首先由實(shí)例輸入—輸出Φ_i＝TS_i,C_i的向量創(chuàng)建，Φ中每個(gè)時(shí)間序列中的每個(gè)子序列都被視為潛在的Shapelets候選，所以在長度為m的時(shí)間序列TS的長度為l的子序列X之間有(m-l)+1個(gè)長度為l的離散子序列，如果TS₁是時(shí)間序列TS₁中所有長度為l的候選Shapelet的集合，則：

W₁＝{win_min,win_min+1,...,win_max}；

S1.2、計(jì)算Shapelets和時(shí)間序列之間的距離

在計(jì)算Shapelets和時(shí)間序列之間的距離中衡量時(shí)間序列相似度的方法均適用，包括歐氏距離、余弦相似度、動(dòng)態(tài)時(shí)間規(guī)整距離方法，當(dāng)采用歐氏距離時(shí)，歐氏距離在Shapelet中用作相似度量，長度為l的子序列X與另一個(gè)相同長度的子序列Y之間的平方歐氏距離定義為：

計(jì)算潛在的Shapelets候選與TS中所有序列之間的距離，以創(chuàng)建一個(gè)包含n個(gè)距離的列表，稱為D_S，一個(gè)D_S列表由距離值和計(jì)算的距離值的時(shí)間序列相對應(yīng)的類標(biāo)簽組成，然后按照距離的升序進(jìn)行排序，因此，Shapelets候選S₁與TS中所有時(shí)間序列之間的距離由下式給出：

D_S1＝(d_S1,1,d_S1,2,…,d_S1,n)；

S1.3、評(píng)估Shapelets的質(zhì)量

評(píng)估Shapelets的質(zhì)量中可運(yùn)用的評(píng)估與優(yōu)選方法包括IG值法、方差分析法、Kruskal-Walli法，當(dāng)采用IG值法時(shí)，信息增益是用作評(píng)估Shapelets質(zhì)量的標(biāo)準(zhǔn)方法，如果一個(gè)時(shí)間序列數(shù)據(jù)集T可以分為兩類(X和Y),那么T的熵為：

H(T)＝-p(X)log(p(X))-p(Y)log(p(Y))；

S1.4、發(fā)現(xiàn)Shapelets

利用Shapelet算法對TS中的時(shí)間序列數(shù)據(jù)進(jìn)行一次遍歷，將每個(gè)時(shí)間序列的的子序列作為潛在的Shapelets候選，生成的Shapelets候選對象也被歸一化，使得它們獨(dú)立于比例和偏移量，計(jì)算訓(xùn)練數(shù)據(jù)集中每個(gè)Shapelet候選對象和時(shí)間序列之間的距離，并按順序形成列表D_S，使用信息增益來評(píng)估Shapelets的質(zhì)量；

S1.5、Shapelet Transform

Shapelet Transform是將時(shí)間序列數(shù)據(jù)轉(zhuǎn)換為局部形狀空間，其中每個(gè)特征是Shapelets和時(shí)間序列之間的距離，給定一組包含n個(gè)時(shí)間序列和一組k個(gè)已發(fā)現(xiàn)Shapelets的時(shí)間序列數(shù)據(jù)集TS，Shapelet Transform算法計(jì)算每個(gè)已發(fā)現(xiàn)Shapelets與數(shù)據(jù)集中每個(gè)時(shí)間序列之間的最小距離；

S2、使用圖像轉(zhuǎn)換方法將一維數(shù)字信號(hào)轉(zhuǎn)化為二維圖像

將一維數(shù)字信號(hào)轉(zhuǎn)換為二維圖像的方法，包括格拉姆角場(GAF)、馬爾可夫變遷場(MTF)、遞歸圖(Recurrence Plots)；當(dāng)采用格拉姆角場時(shí)，選用極坐標(biāo)系來表示時(shí)間序列，通過對一維時(shí)間序列進(jìn)行縮放、特定內(nèi)積運(yùn)算、構(gòu)造Gram矩陣，最大程度地保留其時(shí)序相關(guān)特征；

S3、使用機(jī)器學(xué)習(xí)方法分析時(shí)序圖像特征

多種任意機(jī)器學(xué)習(xí)方法均可適用于分析時(shí)序圖像特征，包括ResNet50、DenseNet201、EfficientNetV2-s方法；

S4、使用算法進(jìn)行優(yōu)化，提高模型計(jì)算效率

進(jìn)行優(yōu)化的模型為SGD、SGDM、Adagrad、RMSProp、Adam之一，所述的激活函數(shù)為Sigmoid函數(shù)、Tanh函數(shù)、Relu函數(shù)之一。