摘要
本申请公开了一种时序数据分类预测方法、装置及存储介质,获取初始时序数据,对初始时序数据进行多阶段迭代特征提取,得到时序信号特征;由于时序信号特征通过多阶段迭代特征提取得到,能够得到更为准确的特征数据,进而提高分类预测的准确性;接着,对时序信号特征进行基于双向传播的时序预测,得到时序关联特征,通过在时间顺序上进行双向传播的时序预测,能够增强时序关联特征之间的时域性;然后,对时序关联特征进行基于自注意力机制的计算,得到目标时序特征,从而能够有效提取时序关联特征之间的全局依赖性,进而能够准确提取出时序数据中的关联性特征,再将目标时序特征输入至预训练分类模型进行分类预测,得到更为准确的分类预测结果。
技术关键词
数据分类预测方法
信号特征
时序特征
训练分类模型
多阶段
多尺度特征提取
矩阵
注意力机制
查询特征
键特征
融合特征
空洞
图像特征提取
处理器
网格
电子设备
系统为您推荐了相关专利信息
负荷预测方法
融合注意力机制
分段
残差网络
粒子群优化算法
识别模型训练方法
动作时序特征
注意力机制
序列
图像
运动想象分类
融合时空特征
神经网络方法
多尺度
时序依赖关系