(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211361310.7 (22)申请日 2022.11.02 (71)申请人 苏州浪潮智能科技有限公司 地址 215100 江苏省苏州市吴中经济开发 区郭巷街道官浦路1号9幢 (72)发明人 张潇澜　李峰　殷涛　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 常亮 (51)Int.Cl. G06F 16/2458(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种时序数据处理方法、 装置、 设备及可读 存储介质 (57)摘要 本申请属于计算机应用领域， 具体公开了一 种时序数据处理方法、 装置、 设备及可读存储介 质， 该方法包括： 按照若干个不同的窗口大小， 分 别对时序数据进行分割， 得到若干个训练集； 将 训练集分别输入至若干个自编码器中进行训练； 其中， 一个自编码器对应一个窗口大小； 训练完 成后， 对各个自编码器输出的模型进行择优选 择， 得到目标模型； 获取目标时序数据， 并利用目 标模型提取目标时序数据的目标特征。 本申请在 自动选择最优窗口的情况下， 实现了对多个指标 且每个指标有多个维度的时序数据的自动化特 征提取。 权利要求书2页 说明书13页 附图4页 CN 115422264 A 2022.12.02 CN 115422264 A 1.一种时序数据处 理方法， 其特 征在于， 包括： 按照若干个不同的窗口大小， 分别对时序数据进行分割， 得到若干个训练集； 将所述训练集分别输入至若干个自编码器中进行训练； 其中， 一个所述自编码器对应 一个所述窗口大小； 训练完成后， 对各个所述自编码器输出的模型进行 择优选择， 得到目标模型； 获取目标时序数据， 并利用所述目标模型提取 所述目标时序数据的目标 特征。 2.根据权利要求1所述的时序 数据处理方法， 其特征在于， 对各个所述自编码器输出的 模型进行 择优选择， 得到目标模型， 包括： 按照若干个不同的所述窗口大小， 分别对测试时序数据进行分割， 得到若干个测试集； 将所述测试集分别输入至对应的所述模型中进行测试， 得各个所述模型对应的重构误 差； 利用所述重构误差， 对若干个所述模型进行 择优选择， 得到所述目标模型。 3.根据权利要求2所述的时序数据处理方法， 其特征在于， 利用所述重构误差， 对若干 个所述模型进行 择优选择， 得到所述目标模型， 包括： 分别计算每一个所述模型的全部所述重构误差的平方和； 将所述平方和最小的模型确定为所述目标模型。 4.根据权利要求1所述的时序 数据处理方法， 其特征在于， 所述按照若干个不同的窗口 大小， 分别对时序数据进行分割， 得到若干个训练集， 包括： 获取窗口范围参数； 利用所述窗口范围参数， 生成若干个不同的所述窗口大小； 分别按照不同的所述窗口大小， 对所述时序数据进行分割， 得到若干个所述训练集。 5.根据权利要求4所述的时序数据处理方法， 其特征在于， 利用所述窗口范围参数， 生 成若干个不同的所述窗口大小， 包括： 将所述窗口范围参数输入至网格搜索算法进行计算， 得到若干个不同的所述窗口大 小。 6.根据权利要求1所述的时序 数据处理方法， 其特征在于， 将所述训练集分别 输入至若 干个自编码器中进行训练， 包括： 将所述训练集输入至所述自编码器； 利用所述自编码器中已训练好的特 征提取网络对输入数据进行编码； 利用所述自编码器中的LSTM网络对编码后数据进行解码； 计算解码所得数据对应的损失值， 并利用所述损失值调整模型。 7.根据权利要求6所述的时序 数据处理方法， 其特征在于， 利用所述自编码器中已训练 好的特征提取网络对输入数据进行编码， 包括： 利用所述自编码器中训练好的残差网络， 对所述输入数据进行编码。 8.根据权利要求6所述的时序 数据处理方法， 其特征在于， 利用所述自编码器中已训练 好的特征提取网络对输入数据进行编码， 包括： 若所述时序数据为视频时序数据， 则利用所述自编码器中已训练好的所述CNN网络对 所述输入数据进行 特征提取， 得到特 征图， 并对所述特 征图进行降维， 得到一维数据。 9.根据权利要求8所述的时序数据处理方法， 其特征在于， 对所述特征图进行降维， 得权　利　要　求　书 1/2 页 2 CN 115422264 A 2到一维数据， 包括： 利用全连接层对所述特 征图进行转换， 得到所述 一维数据。 10.根据权利要求6所述的时序数据处理方法， 其特征在于， 所述计算解码所得数据对 应的损失值， 并利用所述损失值调整模型， 包括： 利用所述输入数据和所述 解码所得数据， 计算各个指标的重构误差； 将所述重构误差的平方和均值确定为所述损失值。 11.根据权利要求10所述的时序 数据处理方法， 其特征在于， 将所述重构误差的平方和 均值确定为所述损失值， 包括： 若同时处 理多个连续窗口 的所述输入数据， 则分别计算每一个窗口数据的损失； 将所有所述窗口数据的损失的均值确定为所述损失值。 12.根据权利要求1至11任一项所述的时序数据处理方法， 其特征在于， 利用所述目标 模型提取 所述目标时序数据的目标 特征， 包括： 按照所述目标模型对应的窗口大小， 分割所述目标时序数据； 将分割后得到的时序 数据依次输入至所述目标模型中进行特征提取， 得到所述目标特 征。 13.一种时序数据处 理装置， 其特 征在于， 包括： 数据预处理模块， 用于按照若干个不同的窗口大小， 分别对时序 数据进行分割， 得到若 干个训练集； 模型训练模块， 用于将所述训练集分别输入至若干个自编码器中进行训练； 其中， 一个 所述自编码器对应一个所述窗口大小； 模型选择模块， 用于训练完成后， 对各个所述自编码器输出的模型进行择优选择， 得到 目标模型； 特征提取模块， 用于获取目标时序数据， 并利用所述目标模型提取所述目标时序数据 的目标特征。 14.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至12任一项所述时序数据处理 方法的步骤。 15.一种可读存储介质， 其特征在于， 所述可读存储介质上存储有计算机程序， 所述计 算机程序被处 理器执行时实现如权利要求1至12任一项所述时序数据处 理方法的步骤。权　利　要　求　书 2/2 页 3 CN 115422264 A 3