基于孪生神经网络的时间序列相似度度量方法及终端

本发明公开了一种基于孪生神经网络的时间序列相似度度量方法及终端，对时间序列数据样本进行两两分组配对为时间序列样本对并标注标签，将经过配对标注后的时间序列样本对输入到使用相同预训练大模型为分支的孪生神经网络中，得出时间序列间的相似度作为网络整体最终的输出，利用损失函数更新整个孪生神经网络与微调预训练大模型结合的网络权重。本发明针对小样本场景下的时间序列数据相似度度量任务，利用预训练大模型在时间序列领域表现出的强大能力，结合孪生神经网络在小样本相似度度量的优势，进行时间序列数据的相似度度量，只需要少量样本即可完成时间序列相似度的度量，能够全方位提取时间序列的特征，作为相似度度量的依据。