一种基于多尺度自适应图卷积神经网络的时间序列分类方法

本发明提出了一种多尺度自适应图卷积神经网络(Multi‑Scale Adaptive Graph Convolutional Neural Network，简称MS‑AGCNN)，用于时间序列数据的分类任务。该神经网络结合长短期记忆网络(LSTM)和一维卷积层，以有效提取时间序列的多尺度特征。通过自适应图结构模块，MS‑AGCNN能够精准捕捉特征之间的相关性和差异性，并利用图卷积模块融合不同特征之间的依赖关系。进一步地，该神经网络采用独特的多尺度特征融合方法，深入捕捉跨尺度特征之间的复杂关系，包括相似性、差异性和交互作用，从而显著增强特征的表达能力。本发明通过结合LSTM和一维卷积层丰富图结构的输入信息，并通过神经网络的训练过程提取特征之间的相关性和差异性，提高时间序列分类的准确性和鲁棒性。