一种混合专家与原型对比学习的半监督时空序列分类方法

本发明提供一种混合专家与原型对比学习的半监督时空序列分类方法，属于机器学习与人工智能技术领域。本发明通过引入基于不确定性感知的混合专家增强的时序上下文建模方法增强编码器的表示多样性，动态融合多个专家前馈网络以增强时空特征的表示能力；同时设计类别原型引导的对比学习机制，实现特征空间与类别结构的显式对齐，提升特征的判别性与类间分离性，最终在标记数据稀缺的条件下显著提升模型的分类准确率与泛化能力。本发明能够在标记数据稀缺的条件下，有效利用大量未标记数据，显著提升时空序列分类的准确率与模型泛化能力，适用于智能感知、工业监测、行为识别等多种实际场景。