SimPSI: A Simple Strategy to Preserve Spectral Information in Time Series Data Augmentation

SimPSI: A Simple Strategy to Preserve Spectral Information in Time Series Data Augmentation AAAI2024

数据增强是训练神经网络克服数据大小限制的关键组成部分，目前已有几种针对时间序列的技术被研究。虽然这些技术在某些任务中是有效的，但它们还没有推广到时间序列基准。我们发现当前的数据增强技术破坏了包含在频域内的核心信息。为了解决这一问题，我们提出了一种在时间序列数据增强中保留光谱信息的简单策略(SimPSI)。SimPSI将原始和增强的输入频谱混合在一起，通过保存图加权来保存频谱信息，保存图表示每个频率的重要度得分。具体来说，我们的实验贡献是建立了三种不同的保存图:幅度谱、显著性图和光谱保存图。我们将SimPSI应用于各种时间序列数据增强，并在广泛的时间序列基准上评估其有效性。实验结果表明，SimPSI通过保留核心光谱信息，大大提高了时间序列数据增强的性能。

论文的关键点是数据增强，主要是从频域角度实现。总结为：在时间序列频域中实现增强，然后将原频域信息和增强后的频域信息进行加权，最后再把序列从频域转成成时域。关键的技术在于怎样在时域部分实现增强和保留时间序列的主要信息

一框架图

二算法流程

---

---

这个算法的流程很清晰  通过分类损失函数来控制在频域实现扰动的效果。