一种基于混合对比学习网络的时间序列数据分类系统

一种基于混合对比学习网络的时间序列数据分类系统，它属于时间序列数据分类技术领域。本发明解决了现有方法难以学习到准确的时间序列数据表示，导致最终分类性能差的问题。本发明为了消除不确定性噪声和学习一致表示设计了一个双数据增强模块，通过在强、弱增强中添加干扰信号，以生成更多样化的数据视图。然后引入扰动对比模块来捕获更丰富的时间序列表示，并利用一个包含KAN编码器的时间对比模块学习全局时间表示。通过结合干扰和时间对比机制来捕获时间序列表示，并为了更有效整合扰动和时间对比损失使用了一种自适应混合机制，动态调整每种损失的权重以充分利用每种表示，得到更准确的时间序列数据表示。本发明方法可以应用于时序数据分类。