[发明专利]一种基于注意力机制的BiLSTM-FCN多维时间序列分类方法

权利要求书

1.一种基于注意力机制的BiLSTM-FCN多维时间序列分类方法，其特征在于，包括以下步骤：

步骤1：获取多维时间序列数据集；

步骤2：构建基于注意力机制的BiLSTM-FCN多维时间序列分类模型；

步骤3：使用多维时间序列数据集对基于注意力机制的BiLSTM-FCN多维时间序列分类网络模型进行训练；

步骤4：利用训练好的基于注意力机制的BiLSTM-FCN多维时间序列分类网络模型对待测的多维时间序列数据进行分类。

2.根据权利要求1所述的基于注意力机制的BiLSTM-FCN多维时间序列分类方法，其特征在于，步骤(1)是采用公开数据库UCI中的Robot Execution Failures数据集、EEG数据集和AReM数据集，并对数据集中的样本的每个变量进行归一化以及通过尾部填充标记值的方法进行长度一致化，然后将数据集定义成形状张量(N，Q，M)，其中N是数据集中的样本数，Q是所有变量中的最大时间步数，M是每个时间步处理的变量数，每个时间步有M个不同的变量。

3.根据权利要求1所述的基于注意力机制的BiLSTM-FCN多维时间序列分类方法，其特征在于，步骤(2)中包括：

(1)将由三个时间卷积块构成的全卷积网络(FCN)和双向长短期记忆网络(Bi-LSTM)进行并联组合；

(2)在FCN模块中的第一和第二个时间卷积块后分别添加SE模块，在Bi-LSTM层后添加了自注意力机制用来达到提高特征提取的能力；

(3)将两个模块提取的特征进行拼接，然后通过时间序列在网络中的实际分类情况设置分类类别，即Softmax层的节点数。最终，通过Softmax分类器进行分类。