融合卷积神经网络和Transformer的多元时间序列分类方法及设备

本发明公开了融合卷积神经网络和Transformer的多元时间序列分类方法，构建多元时间序列分类模型，多元时间序列分类模型包括多尺度卷积模块、通道融合卷积模块、特征维度多头注意力模块和时间维度多头注意力模块，通过多尺度卷积模块和通道融合卷积模块获得融合特征，基于特征维度多头注意力模块和时间维度多头注意力模块获得特征时间维度抽象特征，进一步获得预测类别。本发明能够同时提取时间序列的局部和全局特征，克服了传统CNN和Transformer模型在单独处理局部或全局特征时的局限性。通过多尺度卷积操作提取丰富的局部特征，并通过通道融合机制增强了跨通道信息的融合，提升了模型在复杂时间序列数据中的表现力。