一种基于多模态融合的时间序列数据新类别发现方法

本发明公开了一种基于多模态融合的时间序列数据新类别发现方法，包括：S1：获取初始时序数据，进行增强处理，得到增强时序数据；S2：对初始时序数据和增强时序数据分别进行转换处理，得到折线图；S3：建立时序数据新类发现网络模型，对时序数据新类发现网络模型进行训练，得到训练好的时序数据新类发现网络模型；时序数据新类发现网络模型包括多模态特征提取模块、多模态特征融合模块和参数型分类器；S4：基于训练好的时序数据新类发现网络模型和实际获取的时间序列数据进行分类，以得到分类结果。本发明能够有效的提高对于未知类别的时序数据分类精度，同时保留了对已知类别时序数据的有效分类能力，使时序数据分类更加准确。