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
ISSN： 1009-671X
Year： 2022
Issue： 2
Volume： 49
Page： 8-14
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
