Convolutional Network Integrated with Frequency Adaptive Learning for Multivariate Time Series Classification

doi:10.1145/3761818

Convolutional Network Integrated with Frequency Adaptive Learning for Multivariate Time Series Classification

2025-09-19

0

PRE

AI

DOI：10.1145/3761818

原文求助

摘要

En 中文

多元时间序列分类（MTSC）是数据挖掘领域的一个重要研究课题，在医疗保健、金融、气象和交通等多个行业具有广泛的应用。尽管现有研究已基于LSTM、CNN和Transformer设计了多种分类器，但复杂的架构引发了关于计算效率的担忧。此外，大多数方法仅关注单一维度，通常是时间模式，而未能充分考虑多元设置中至关重要的多维信息，如变量间的独立性和交互作用。为应对这些挑战，本文介绍了FreConvNet，一种集成频率自适应学习机制的轻量级卷积网络。该网络继承了Transformer的模块化设计范式，以实现多元时间序列的多视图建模。FreConvNet包含两个关键组件：频率自适应块（FAB）和卷积前馈网络（ConvFFN）。FAB利用傅里叶变换结合自适应滤波器，捕捉时间维度上的长期和短期依赖关系。随后，ConvFFN通过分组逐点卷积控制通道间信息流，捕捉变量间和特征间的交互作用，同时引入非线性以增强表示能力。在知名UEA档案库上进行的广泛实验验证表明，FreConvNet在分类性能上优于现有的基于卷积、基于Transformer及混合方法，并提供了一种计算高效的解决方案。

Convolutional Network Integrated with Frequency Adaptive Learning for Multivariate Time Series Classification

摘要

期刊

机构

引用论文