系统工程与电子技术

作者：张晔, 侯毅, 欧阳克威, 周石琳

单位：国防科技大学电子科学学院, 湖南 长沙 410073

关键词：单变量序列数据分类,形状信息,频率信息,上下文信息,信息融合,深度学习

基金：国家自然科学基金(61903373)

单变量序列数据分类涉及现实世界的诸多应用领域，具有重要的研究意义与应用价值。目前，单变量序列数据分类领域的发展处于深度学习逐渐取代传统方法的关键时期，但相关的归纳综述仍然很少。为了促进未来研究, 本文对单变量序列数据分类方法进行了全面的总结, 根据提取分类信息的不同, 将现有分类方法分为基于形状信息、基于频率信息、基于上下文信息以及基于信息融合4种类别。此外, 本文依托公开数据集对典型分类方法进行了对比与分析, 并对未来研究方向进行了展望。

来源：2023年第2期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2023年第2期