一种基于多元变量间的关系变化的时序分类的方法

摘要

本发明提供的一种基于多元变量间的关系变化的时序分类的方法，包括：从观察数据集中获取样本数据，计算样本数据两两变量间的偏相关系数，构造偏相关系数矩阵；通过卷积神经网络对偏相关系数矩阵进行编码后得到对应的特征图；将每个特征图分别拉伸成特征向量循环输入长短记忆神经网络，从而得到用于捕获变量关系间变化模式的隐藏状态；将隐藏状态输入标签分类器，输出对应的样本类别，完成时序的分类。本发明提供的一种基于多元变量间的关系变化的时序分类的方法，充分地考虑了时序数据中不同变量之间的关系，同时基于变量的关系模式进行分类，充分地表达了时序数据中不同变量关系的变化模式，同时对输入的噪声值具有更好的鲁棒性，分类精度高。