一种时频联合分析与多尺度特征增强学习的模型架构

本发明属于时序数据分析技术领域，涉及一种时频联合分析与多尺度特征增强学习的模型架构，包括编码器、特征学习模块和分类头，编码器通过值嵌入、位置嵌入和时间特征嵌入，将输入的原始时间序列数据转化为第一特征表示，并作为特征学习模块的输入，特征学习模块将快速傅里叶变换和连续小波变换结合，通过自适应聚合算法调整时频分析的分解层次，全面捕捉数据特征，经过特征学习模块处理后输出第二特征表示，分类头通过激活函数、Dropout层和全连接层，将输入的第二特征表示映射到目标类别空间，以实现分类任务；本发明将参数量和计算量控制在一定范围内，适于实时医疗监测和低资源设备。