20260601

concepts/staug.md

@@ -0,0 +1,35 @@
+---
+title: "STAug (EMD-based Augmentation)"
+created: 2026-05-26
+type: concept
+tags: ["time-series", "data-augmentation", "decomposition", "forecasting"]
+sources: ["temporal-patch-shuffle-tps"]
+---
+
+# STAug
+
+> 基于经验模态分解 (EMD) 的时间序列增强——将两序列的 IMF 通过 mixup 式插值重组。
+
+## 流程
+
+1. 对两个序列施加 EMD
+2. 得到 intrinsic mode functions (IMFs)
+3. 从均匀分布采样 mixup 式插值权重
+4. 将两组 IMF 重新组合 → 混合了两个输入时间特征的新序列
+
+## 优势
+
+- 兼顾多样性与一致性的样本生成机制
+- 分解保证了信号的物理合理性
+
+## 致命缺陷
+
+- **EMD 内存开销极大**：ECL 和 Traffic 数据集上 GPU 内存不够无法评估
+- 这一限制在 STAug 原论文中也有承认
+- 不具备 [[temporal-patch-shuffle|TPS]] 的计算效率
+
+## 相关页面
+
+- [[time-series-forecasting-augmentation]] — 预测增强框架
+- [[temporal-patch-shuffle]] — 计算高效的 SOTA 替代
+- [[wavemask-wavemix]] — 分解类的 wavelet 替代