一种多尺度多模态融合的时序序列分类模型

本发明涉及多模态时序数据处理技术领域，具体涉及一种多尺度多模态融合的时序序列分类模型，包括：对输入的多模态时序数据进行时间戳统一、缺失值填充与归一化处理，生成标准化数据；分别采用时序卷积网络与一维卷积网络提取长周期与短周期特征，并进行特征对齐与融合；通过交叉注意力与门控机制实现跨模态动态耦合，结合自适应阈值滤波进行特征降噪；基于多层级特征划分和通道注意力机制完成特征加权融合，生成综合时序特征向量；最终经非线性特征增强、Softmax概率预测、滑动窗口平滑处理及多数投票，输出与时间戳对齐的分类结果。本发明具有特征细粒度高、跨模态融合效果好等优点，适用于智能制造、行为识别、医疗监测等领域。