基于多尺度扩散去噪的高维时间序列数据分类方法与装置

本发明公开了一种基于多尺度扩散去噪的高维时间序列数据分类方法与装置。所述方法引入了一种多尺度条件指导策略来指导时间序列标签的去噪过程，在扩散过程中使用不同尺度的条件先验来调节每个步骤。方法包括：对时间序列数据从变量、时间两个角度进行编码，提取特征，获得时间序列的多尺度特征表示，使用双重注意力机制挖掘序列在时间维度和变量维度上的依赖关系，在不同尺度上生成条件先验；利用标准的去噪扩散概率模型训练过程，利用多尺度编码器获得潜在空间中的融合向量，然后融合向量和时间步嵌入，使用全连接层预测噪声。本发明提高了高维多变量时间序列在分类任务中结果的准确度以及处理含有缺失值的不规则时序数据的鲁棒性。