Shapelet Matching

新的形状元匹配方法改进了时间序列迁移学习

研究人员开发了一种名为形状元匹配（Shapelet Matching）的无训练方法，用于在时间序列迁移学习中选择源数据集。该方法识别目标数据集和潜在源数据集中的判别性形状元以量化相似性，旨在通过组合多个合适的源进行预训练来减轻负迁移。在UCR Archive上使用CNN和Transformer架构进行的评估表明，多源预训练降低了负迁移的风险，并且形状元匹配表现强劲，尤其是在CNN骨干网络上，同时避免了为每个源进行完全预训练的计算成本。