讲座题目：面向时间序列的表征学习与分类方法研究

讲座时间：2023年4月22日9:00-10:00

讲座人：吴少聪 博士生

讲座地点：信息楼L216

讲座内容：

时间序列是一组依照时间先后顺序进行排列的观测值序列，广泛存在于图像轮廓、网络安全、生物医疗、设备监测、金融投资以及动作识别等场景中。时间序列分类任务是数据挖掘领域最具挑战性与应用前景的研究课题之一，其目的在于通过已标注的时序样本发掘辨别性模式与差异性信息，实现特定场景下时序数据与类别信息的关联建模，从而对未知时序数据做出判别。信息时代下，大量时序数据的产生导致了对有效时序分类方法存在广泛而迫切的需求。对于时间序列分类任务而言，时序表征与分类模型之间存在强耦合关系，良好的表征是揭示辨别性模式与类间差异的基础，相适应的分类模型则是实现信息的有效利用并做出准确判别的保障。然而，现有分类方法侧重于发掘特定层次的时序信息，普遍存在一些问题，例如：时序分段重构使连续趋势被错误分割、子结构间的关联性信息难以定义与度量以及相位偏移导致统计失真及差异混淆等。本报告面向时间序列分类任务中的不同问题，结合重要点识别、时序-图转换以及函数型数据分析等技术方法，展开对时间序列表征生成及分类模型构建方法的研究。

讲座人简介：

吴少聪，博士生，曾分别于中南大学获得学士学位和哈尔滨工业大学（深圳）获得硕士学位。2017年至今在哈尔滨工业大学（深圳）计算机科学与技术学院攻读博士学位，指导教师为王晓龙教授。主要研究方向为数据挖掘、时间序列分类。