基于多鉴别器生成对抗网络的时间序列生成模型

针对时间序列的隐私性和连续性导致时间序列数据集在收集过程中存在收集代价昂贵和数据缺失等问题，提出了一种基于循环神经网络的多鉴别器生成对抗网络模型，该模型能够利用小规模数据集合成得到与真实数据相似分布的时间序列数据集。多鉴别器包含时域、频域、时频域和自相关4种鉴别器，能够充分识别时间序列不同维度下的特征。在实验中，通过损失函数的收敛分析、主成分分析和误差分析，分别从定性和定量的角度对模型进行性能评估。结果表明，所提模型和其他参考模型相比具有更好的性能。