融合多变量序列时空信息的事件早期识别方法

摘要：

针对事件早期识别算法对多维变量序列时空依赖关系挖掘不足的问题,提出了一种时空融合的事件早期识别算法.将多变量时间序列规整为矩阵化数据输入时间卷积网络,通过学习时间序列的时域特征,对时间序列进行预测.将包含已知值和预测值在内的多变量时间序列送入融合时空信息的深度神经网络进行识别.在动作识别、手写字符识别、口语数字识别等多个任务上的实验结果表明,所提算法的性能优于主流的算法.当事件仅发生2/3时,能以平均93.2%的准确率识别多类别事件,在手写字符识别数据集上的早期识别准确率甚至与完整事件被观测到时的识别准确率相当.

关键词：多变量时间序列、事件早期识别、时空信息融合、序列预测、深度神经网络

所属期刊栏目：59

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家电网公司总部科技项目5700-202019186A-0-0-00

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：116-122