Abstract：
在时间序列分类任务中，针对时间序列数据少和多样性导致深度学习模型准确率不高的问题，提出Mixup数据增强的长短期记忆网络–全卷积网络（LSTM-FCN）时间序列分类算法。该算法首先使用Mixup对原始数据进行数据增强，通过简单的线性插值对时序数据进行混合，得到新的混合之后的增强数据；然后使用增强数据训练LSTM-FCN，并进行分类。在30个UCRArchive2018数据集上的实验结果表明，使用Mixup数据增强的LSTM-FCN在26数据集上取得了比LSTM-FCN好的分类准确率，最高提高了4.79%。实验结果说明了本文方法可以提高深度学习模型的分类准确率。
Keyword：
Reprint Author's Address：
Email：
Source ：
应用科技
Year： 2022
Issue： 02
Volume： 49
Page： 8-14
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 40
Affiliated Colleges：
