[发明专利]基于深度长短期记忆神经网络对多变量时间序列分类方法

摘要

本发明公开了一种基于深度长短期记忆神经网络对多变量时间序列分类方法，该方法通过选择长短期记忆神经元结构作为递归神经网络的隐层神经元结构，对长短期记忆神经元进行堆叠，设计出一种深层的递归神经网络分类框架，以达到提高多变量时间序列数据分类准确率的目的。通过实验对比发现，本发明比已有的分类模型准确度更高，并且在多个领域的时间序列数据集分类任务上具有普适性。

主权项

1.一种基于深度长短期记忆神经网络对多变量时间序列分类的方法，其特征在于，所述的方法包括以下步骤：S1、对样本的每个变量进行归一化，若数据集中各样本长度相同，跳转到步骤S2，否则对数据集中的样本通过尾部填充标记值的方法进行长度一致化；S2、计算分类所需LSTM的层数；S3、根据计算得到的LSTM层数，构建深度长短期记忆神经网络分类模型，将i‑1层输出向量作为i层的输入向量；S4、将最上层LSTM层的输出输入到Softmax分类器中，将最后一个时间步的输出结果作为深度长短期记忆神经网络分类模型对于样本的类别判定；S5、根据深度长短期记忆神经网络分类模型对训练集样本的输出类别和实际类别采用梯度下降算法更新模型权重，对深度长短期记忆神经网络分类模型权重进行调整；S6、将待预测的样本输入调整好权重的深度长短期记忆神经网络分类模型中，最后一个时间步的输出作为该样本的预测标签。