如何在Python中用SVM实现时间序列电流信号的聚类归属判定

问题背景 #

拥有多段时间序列电流信号（每个CSV文件包含100个采样值，采样间隔0.02秒，持续2秒），已通过Soft-DTW K-Means完成聚类并为数据添加聚类标签，现需实现新输入电流信号的聚类归属判定，计划使用SVM但不清楚如何适配时间序列数据，寻求技术指导或替代方案。

用户已完成的数据导入、标准化及聚类代码如下：

数据处理代码 #

file_list= glob.glob(folder_path + "/*.csv")
main_dataframe= pd.DataFrame(pd.read_csv(file_list[0], delimiter= ';'))
main_dataframe['Current '].values.tolist()
Data=list()
for i in range (0,len(file_list)):
     data=pd.read_csv(file_list[i], delimiter= ';')
     Data.append(data['Current '].values.tolist())
Current=np.array(Data)
X_train = TimeSeriesScalerMeanVariance().fit_transform(Current)

Soft-DTW K-Means聚类代码 #

# Soft-DTW-k-means
print("Soft-DTW k-means")
sdtw_km = TimeSeriesKMeans(n_clusters=3,
                           metric="softdtw",
                           metric_params={"gamma": .01},
                           verbose=True,
                           random_state=seed)
y_pred3 = sdtw_km.fit_predict(X_train)

一、SVM适配时间序列的实现思路 #

SVM无法直接处理序列型数据，需先将时间序列转换为固定维度的特征向量，再输入SVM训练分类模型，核心步骤如下：

1. 时间序列特征提取 #

常用特征提取方式：

• 统计特征：计算每个序列的均值、方差、最大值、最小值、峰值、峭度、偏度等统计量，组合为特征向量
• DTW距离特征：计算目标序列与各聚类中心的Soft-DTW距离，将距离值作为特征
• 频域特征：通过FFT将时域信号转换为频域，提取频谱峰值、能量分布等特征

2. SVM分类实现示例 #

结合现有代码，实现从特征提取到预测的完整流程：

import numpy as np
from sklearn.svm import SVC
from tslearn.metrics import soft_dtw
from joblib import dump, load

# 保存训练时的标准化器（避免新数据重新拟合导致偏差）
scaler = TimeSeriesScalerMeanVariance()
X_train = scaler.fit_transform(Current)
dump(scaler, 'ts_scaler.joblib')

# 定义特征提取函数
def extract_features(ts, cluster_centers):
    # 统计特征
    stats_features = [
        np.mean(ts), np.var(ts), np.max(ts), np.min(ts),
        np.ptp(ts), np.mean(np.abs(ts)), np.std(ts),
        np.kurtosis(ts), np.skew(ts)
    ]
    # 与聚类中心的Soft-DTW距离特征
    dtw_features = [soft_dtw(ts, center, gamma=0.01) for center in cluster_centers]
    return np.hstack([stats_features, dtw_features])

# 获取聚类中心，提取训练数据特征
cluster_centers = sdtw_km.cluster_centers_
X_features = np.array([extract_features(ts, cluster_centers) for ts in X_train])
y_labels = y_pred3

# 训练SVM分类器
svm_clf = SVC(kernel='rbf', random_state=seed)
svm_clf.fit(X_features, y_labels)

# 新信号预测函数
def predict_cluster(new_ts_path):
    # 加载并标准化新信号
    new_data = pd.read_csv(new_ts_path, delimiter=';')
    new_ts = new_data['Current '].values.reshape(1, -1)
    scaler = load('ts_scaler.joblib')
    new_ts_scaled = scaler.transform(new_ts)[0]
    # 提取特征并预测
    new_features = extract_features(new_ts_scaled, cluster_centers)
    return svm_clf.predict([new_features])[0]

二、替代方案 #

1. 直接使用Soft-DTW K-Means的内置预测方法 #

tslearn中的TimeSeriesKMeans本身支持predict方法，无需额外训练SVM，直接计算新序列与各聚类中心的Soft-DTW距离，归属到距离最小的聚类：

from joblib import dump, load

# 保存训练好的聚类模型
dump(sdtw_km, 'sdtw_kmeans_model.joblib')

# 新信号预测函数
def predict_with_kmeans(new_ts_path):
    new_data = pd.read_csv(new_ts_path, delimiter=';')
    new_ts = new_data['Current '].values.reshape(1, -1)
    scaler = load('ts_scaler.joblib')
    new_ts_scaled = scaler.transform(new_ts)
    sdtw_km = load('sdtw_kmeans_model.joblib')
    return sdtw_km.predict(new_ts_scaled)[0]

2. 时间序列专用分类模型 #

若后续需更复杂的故障类型细分，可考虑：

• TSfresh：自动提取时间序列的海量特征，再结合SVM等分类器
• LSTM/CNN：深度学习模型，直接处理序列数据，适合识别复杂模式
• k-NN + DTW：以DTW为距离度量的k近邻分类，实现简单且适配时间序列特性

三、关键注意事项 #

• 新信号必须使用训练数据拟合的标准化器进行转换，禁止重新拟合，避免数据分布偏差
• 特征提取后可通过方差阈值、互信息等方法筛选冗余特征，提升SVM性能
• 若使用SVM，建议通过交叉验证调整kernel、C等超参数，优化分类效果

内容的提问来源于stack exchange，提问作者Sara.A