数据增强方法（时间序列）

1.DBA（ DTW Barycentric Averaging）：基于加权形式的DTW中心平均技术，通过改变权重，可以从给定的一组时间序列创建无穷多个新的时间序列。作者在3种加权方法中采用了一种叫做平均选择法的加权方法

• 从训练集中随机选取一个初始时间序列，赋予它0.5的权重，这个随机选择的时间序列将作为DBA的初始化时间序列
• 根据DTW距离，找到DBA初始化时间序列的最近的5个时间序列
• 从5个最近邻中随机选择两个，分被赋予0.15的权重
• 为使总的权重为1，此时剩余权重为1-0.5-0.15*2=0.2，将剩下的序列平均分配这0.2的权重

最后使用两个集成的ResNet网络（有数据增强和无数据增强），计算两个分类器输出每个类的后验概率求平均值，为每个时间序列分配平均概率最大的标签

参考：《Data augmentation using synthetic data for time series classification with deep residual networks》

代码： https://github.com/hfawaz/aaltd18

2.WS（window slicing）and WW（window warping）

• WS：移动窗口法：设定窗口大小（文章将切片大小设为原始片段长度的90%），从时间序列中提取窗口大小的切片，并赋予与原始时间序列相同的标签
• WW：对时间序列中的部分片段（文章将切片大小设为原始片段长度的10%）进行拉伸或压缩，这会使时间序列的长度不同，然后使用窗口切片法将时间序列统