一种面向多变量时序数据的对比式自监督预训练方法、设备

本申请公开了一种面向多变量时序数据的对比式自监督预训练方法、设备，所述对比式自监督预训练方法包括：S1：数据预处理，对原始多变量时序数据进行预处理，包括低质量清洗、异常值修正、参数归一化；S2：数据增广对构建，对预处理之后的多变量时序数据进行划窗、采样的操作，生成数据的增广副本，与采样后的原始数据共同构成一对数据增广对；S3：对比自监督预训练，将数据增广对输入深度神经网络，通过在增广对之间进行对比挖掘多变量时序数据的固有属性信息，最终完成数据的有效表征。解决了传统方法无法有效分辨复杂多变数据，继而影响后续目标判识的问题，并最终提升复杂、多变、未知场景下的辨识能力。