一种基于LSTM和多尺度FCN的时间序列分类方法

摘要

本发明提供了一种基于LSTM和多尺度FCN的时间序列分类方法，属于时间序列分类领域。设定多模态网络的大体结构；用长短期记忆网络提取时间依赖特征；利用全卷积模块对时间序列曲线多种粒度的几何空间特征进行充分挖掘；整合时空特征并据此判别样本；利用反向传播算法充分训练模型。该方法能够以大规模、多尺度的感受野对空间特征进行全面探索，又可以自适应学习长短期时间依赖，学到的有益信息比现有模型更加全面。凭借对时间序列的差异性特点有更全面的掌握，能够给出更准确的判断。