[發明專利]一種時間序列特征提取方法、裝置、設備、介質和產品

在審

• 申請號: 202310240500.1
• 申請日: 2023-03-08
• 公開（公告）號: CN116304628A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 鄭俊褒;楊昌輝;王健;馬騰洲
• 申請（專利權）人: 浙江理工大學;上海國際旅行衛生保健中心（上海海關口岸門診部）
• 主分類號: G06F18/213
• 分類號: G06F18/213;G06F18/25;G06F17/18;G06F123/02
• 代理公司: 杭州星隆專利代理事務所(特殊普通合伙) 33441
• 代理人: 陳杭君

本發明提供了一種時間序列特征提取方法，包括：以所述時間序列作為輸入數據，將所述輸入數據輸入記憶模型以獲得多個用于表征記憶程度的記憶序列，每所述記憶序列所表征的記憶程度各不相同；將所有所述記憶序列進行差分運算，以獲得該時間序列的最終特征。還包括相關的裝置、計算機設備、儲存介質和計算機程序產品。采用記憶模型與差分運算相結合的方法為減少在采集時間序列特征時的損失提供了可能。

技術領域

本發明屬于數據處理技術領域，尤其是涉及一種對時間序列這一類數據的特征提取方法、裝置、計算機設備、計算機存儲介質和計算機程序產品。

背景技術

本部分所提供的與本發明相關的背景信息，可能并非都是現有技術，可能存在不構成現有技術的內容。

隨著人類向數字經濟轉變的逐步深化，數據越來越受到人們的重視，在數字經濟發展過程中，數據的挖掘與分析將有助于人們理解數據背后蘊含的價值與規律，因此，很多領域都在發展數據挖掘等信息技術，通過發掘數據背后隱藏的重要信息，促進相關領域的發展。

時間序列數據是各類數據中的一類，它是一種重要的高維數據類型，是一組按照時間發生先后順序進行排列的數據點序列。

時間序列廣泛應用在各個領域，如醫療、金融、工業等領域，如何從時間序列數據中挖掘，以獲得數據中蘊含的與時間相關的有用信息，以實現知識的提取，成為了當前的研究熱點。

在現有的對時間序列特征提取的計算模型中，提取的特征中存在損失較大的情況的幾率較大，導致所提取的特征數據不能被有效使用。

發明內容

本發明的目的在于提出一種時間序列特征提取方法，使得經提取的特征的損失減小、與原始的時間序列數據的吻合度得以提高成為可能。

基于上述目的，本發明提出一種時間序列特征提取方法，包括：

以所述時間序列作為輸入數據，將所述輸入數據輸入記憶模型以獲得多個用于表征記憶程度的記憶序列，每所述記憶序列所表征的記憶程度各不相同；

將所有所述記憶序列進行差分運算，以獲得該時間序列的最終特征。

在一個實施例中，所述記憶模型包括遺忘因子和記憶因子，所述遺忘因子、記憶因子用于表征所述記憶程度；

所述將所述輸入數據輸入記憶模型以獲得多個用于表征記憶程度的記憶序列包括：

將所述輸入數據分別輸入多個表征記憶程度各不相同的記憶模型中以獲取相應多個表征記憶程度各不相同的記憶序列。

在一個實施例中，每所述記憶模型中的遺忘因子的值與記憶因子的值之和等于1。

在一個實施例中，通過所述記憶模型獲得的記憶序列的數量至少為3。

在一個實施例中，所述將所有所述記憶序列進行差分運算，以獲得該時間序列的最終特征包括：

將所有所述記憶序列中任意相鄰的兩個做差分運算；

若經上述差分運算后，所得結果中的記憶序列的數量大于1，則對該所得結果中的所有記憶序列執行上述的一個差分運算步驟，直至所得結果中的記憶序列的數量為1時停止，此時所得結果中的唯一的一個所述記憶序列即為所述最終特征。

在一個實施例中，所述最終特征為統計特征。

基于上述目的，本發明還提出時間序列特征提取裝置，包括：

記憶序列獲取模塊，以所述時間序列數據作為輸入數據，將所述輸入數據輸入記憶模型以獲得多個用于表征記憶程度的記憶序列，每所述記憶序列所表征的記憶程度各不相同；

最終特征獲取模塊，將所有所述記憶序列進行差分運算，以獲得該時間序列的最終特征。