HIVE-COTE 2.0：用于时间序列分类的新型元集成

基于摘要分析。本文研究通用时间序列分类，通过替换和扩充异构元集成 HIVE-COTE 的组成分类器，提出 HIVE-COTE 2.0，旨在提升分类准确率与易用性；研究对象并非专门的 EEG 或 BCI 任务。 HIVE-COTE 汇集不同表示域的分类器，包括与相位无关的 shapelets、基于 bag-of-words 的字典表示，以及依赖相位的区间表示。此次升级引入 Temporal Dictionary Ensemble 和 Diverse Representation Canonical Interval Forest，替换既有集成成员，并新增由 ROCKET 分类器组成的 Arsenal。其机制重点是利用不同时间序列表示的互补性，而不是单一表示或单一分类器。摘要未提供成员权重、投票规则、具体训练流程及计算开销，相关细节尚未验证。 作者报告，在 112 个 UCR 单变量时间序列数据集和 26 个 UEA 多变量时间序列数据集上，HIVE-COTE 2.0 的平均准确率显著优于其比较的当时先进方法。摘要未给出具体准确率、提升幅度、基线清单、数据划分或显著性检验细节，不能据此推断在每个数据集上均占优；实验协议、消融及统计信息尚未验证，易用性改善的具体依据也需核对全文。 平台推测（待验证）：多表示集成可能为 EEG 分类中局部波形、时间区间与重复模式的互补建模提供思路，但通用时序结果不等于 BCI 有效性。原方法以带类别标签的时间序列分类为前提，其在 EEG 多通道结构、样本长度及训练规模上的适用条件仍需确认。可复用候选是表示变换及异构集成框架，需适配通道处理、标准化和跨被试评估。低信噪比可能使局部模式不稳定，通道差异和被试差异可能削弱表示一致性，小样本也可能使成员选择或权重估计不稳。一个可检验的小实验是在固定 EEG 分类任务与预处理下，以相同跨被试划分比较 HIVE-COTE 2.0、其单独成员及既定基线，观察集成是否改善 Accuracy，并记录计算成本。已有 EEG 相关工作尚未检索确认。