一种基于对比学习和动态多样性的时间序列深度聚类集成方法

本发明提供了一种基于对比学习和动态多样性的时间序列深度聚类集成方法，包括：对时间序列进行数据增强，构建时间序列的增强序列，并分别将原始序列和增强序列输入至聚类模型中的编码器进行处理，确定对应的特征表示；将特征表示传入聚类模型的解码器进行处理，并基于输出结果计算重构损失；基于特征表示计算实例级对比损失；将特征表示输入至聚类模型的多头投影头进行处理，得到多个聚类分配结果，并基于聚类分配结果计算聚类级对比损失和多样性损失；联合重构损失、实例级对比损失、聚类级对比损失和多样性损失对聚类模型进行迭代优化，并基于优化结果将得到的多个具有多样性的基聚类结果进行聚类集成，得到最后的聚类结果。