多元时序Patch分类器

局部全局兼顾

通过同时捕获通道间相关性和序列内时空依赖，实现对长序列判别性特征的高效提取。

Yanxuan, Wei · Yingxia, Tang · 郑向伟 · 嵇存

Knowledge-Based Systems 2025

技术优势

长序列特征提取更有效

通过 Patch 架构同时捕获局部信息和全局依赖，提升对长序列的判别性特征提取。

全局依赖也能建模

采用 Transformer 和全连接图表示跨 patch 和跨时间步的时空关系，不只依赖局部模式。

分类精度有竞争力

在 30 个 UEA 数据集上的实验表明分类精度与现有最佳基线相当，可直接作为强基线。

应用场景

• 工业传感器时序分类：直接套用 PatchMTSC，不用自己设计特征提取，即可对传感器时序做分类。
• 可穿戴活动识别：用 PatchMTSC 捕捉活动序列的局部和全局模式，无需人工定义特征。
• 多模态时序特征提取：通过通道混合和独立性模块，自动提取多变量时序中的有效特征。