一种基于生成对抗图网络的不平衡时间序列分类方法

本发明公开了一种基于生成对抗图网络的不平衡时间序列分类方法，属于人工智能技术领域。针对现有技术在处理不平衡时间序列分类问题时存在的不足，提出一种新颖且有效的解决方案。本方法利用自编码器学习序列数据的潜在表示，根据表示向量的相似性，将时间序列分类问题表示为图中的节点分类问题，从而更好地挖掘时间序列之间的内在联系，增强模型对少数类别样本的捕捉能力，揭示数据中的潜在模式和结构。为了解决类别不平衡问题，引入图生成器来生成合成的少数类节点属性和网络拓扑结构，以此平衡不同类别的样本分布，并训练GCN鉴别器来区分平衡图网络上的真、伪样本及少数类、多数类样本，以此实现不平衡时间序列分类任务，有效提高少数类样本分类的准确率。