计算机应用研究

作者：王从瑜,杜明晶,

单位：江苏师范大学人工智能与计算机学院江苏省高校教育智能技术重点实验室,江苏徐州221000；

关键词：时间序列,聚类,对比学习,

基金：江苏高校“青蓝工程”资助项目；国家自然科学基金资助项目(62006104)；江苏师范大学研究生科研与实践创新基金资助项目(2024XKT2583)；；

针对当前深度时序聚类方法存在难以有效利用时间序列的时域与频域特征、以及表征学习与聚类分离等问题，提出了一种新型的深度聚类方法——时频域多增强视图时间序列对比聚类（TFACC）。该方法通过时频域多视图增强架构和对比聚类，提升了特征学习能力。该方法利用具有三重共享权重的骨干网络，将传统的双增强视图范式扩展至多个视图，实现了时域与频域增强的联合利用，以提升深度聚类的性能。基于主干网络生成的特征表示，时域增强视图对和频域增强视图对同时用于实例级对比学习和簇级对比学习，它与主干网络一起，可以以完全无监督的方式联合优化。实验结果表明，该方法在30个基准数据集上的聚类性能优于其他7种基准方法，证明了其有效性与优越性。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期