缺失时间序列线性插值帮助不大-以使用递归或注意力网络值进行土地覆盖分类为例

主要观点总结

本文主要探讨了线性插值在时序数据缺失时的补全效果，特别是在土地覆盖分类任务中的应用。文章介绍了线性插值的背景、研究方法、实验过程和结论。

关键观点总结

关键观点1: 背景介绍

时序数据缺失是土地覆盖分类等任务的挑战，线性插值是最常用的补全方法，但其在土地覆盖分类中的增益效果研究较少。

关键观点2: 研究方法

本文使用双向LSTM和Transformer模型进行土地覆盖分类，比较了缺失值时间序列复合物（未线性插值）与补全后时间序列复合物（线性插值）的分类效果。

关键观点3: 实验过程和结果

实验使用了大量卫星时间序列数据，并进行了分类。结果表明，线性插值对于提高分类效果的增益很小，甚至不需要使用线性插值就可以获得较高的分类准确率。

关键观点4: 结论

实验结果显示，未加线性插值的分类精度与加线性插值的分类精度相当，但计算时间大大缩短。基于Bi-LSTM和基于注意力的单像元时间序列大区域土地覆盖分类模型可以摒弃耗时的线性插值方法。

免责声明