[发明专利]基于深度卷积网络与灰度递归图分析的时间序列分类方法在审
申请号: | 201910582213.2 | 申请日: | 2019-06-30 |
公开(公告)号: | CN110443276A | 公开(公告)日: | 2019-11-12 |
发明(设计)人: | 曾明;赵春雨;李祺;王湘晖 | 申请(专利权)人: | 天津大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 天津市北洋有限责任专利代理事务所 12201 | 代理人: | 杜文茹 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于深度卷积网络与灰度递归图分析的时间序列分类方法,将原始时间序列切分成若干长度相同且互不重叠的片段,并将这些片段分别进行二维灰度递归图转换,得到片段灰度递归图,将片段灰度递归图分成训练集和测试集,将训练集中的灰度递归图用于深度卷积神经网络端到端的训练,获得训练好的深度卷积神经网络模型,对训练好的深度卷积神经网络模型进行测试,在测试过程中,将测试集中的灰度递归图输入至训练好的深度卷积网络进行分类预测。本发明是一种非常快速的分类方法,不仅在表征效果上有显著的提升,同时是一种自动的特征提取方法,减少了复杂的人工设计过程。 | ||
搜索关键词: | 递归 灰度 卷积神经网络 卷积 时间序列分类 测试 测试过程 二维灰度 互不重叠 人工设计 时间序列 特征提取 网络 测试集 图转换 训练集 分类 分析 预测 | ||
【主权项】:
1.一种基于深度卷积网络与灰度递归图分析的时间序列分类方法,其特征在于,将原始时间序列切分成若干长度相同且互不重叠的片段,并将这些片段分别进行二维灰度递归图转换,得到片段灰度递归图,将片段灰度递归图分成训练集和测试集,将训练集中的灰度递归图用于深度卷积神经网络端到端的训练,获得训练好的深度卷积神经网络模型,对训练好的深度卷积神经网络模型进行测试,在测试过程中,将测试集中的灰度递归图输入至训练好的深度卷积网络进行分类预测。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910582213.2/,转载请声明来源钻瓜专利网。
- 上一篇:去除噪声的方法、设备及存储介质
- 下一篇:基于注意力模型的少量样本分类方法