基于多对比学习的时间序列深度聚类方法、装置及介质

本公开提供了一种基于多对比学习的时间序列深度聚类方法、装置及介质，所述方法包括：首先获取时间序列数据集并进行数据增强处理，生成增强数据集；接着提取时间序列数据集中各序列数据的位置信息，对每个位置信息进行编码，生成相应的空间信息向量集；然后利用时间序列数据集、增强数据集和空间信息向量集训练多对比聚类模型；通过预设的损失函数评估模型的目标损失，根据评估结果调整模型参数并重复训练，直至满足预设的聚类要求，得到训练好的多对比聚类模型；最后，利用训练好的模型，根据空间信息向量集对时间序列数据集进行聚类处理，得到最终的聚类结果。本公开通过融合时间与空间信息，引入多对比学习机制，提高了聚类的准确性和鲁棒性。