myWiki/concepts/temporal-patch-shuffle.md

title, created, type, tags, sources

title	created	type	tags	sources
Temporal Patch Shuffle (TPS)	2026-05-26	concept	time-series data-augmentation forecasting patch-based	temporal-patch-shuffle-tps

Temporal Patch Shuffle (TPS)

基于重叠时间 patch 的选择性 shuffle 增强方法——当前时间序列预测增强的 SOTA。

核心流程

1. 拼接：x ∥ y → s，从源头强制 data-label-consistency
2. Temporal Patching：patch 长度 p、stride s，提取重叠 patch
3. Variance 评分：跨通道计算每个 patch 的 variance，低 variance = 更安全的扰动对象
4. 选择性 Shuffle：variance 最低的 α 比例 patch 被随机置换
5. 重建：重叠区域取平均——自然平滑 shuffle 引入的不连续性
6. 拆分：s̃ → x̃, ỹ

设计直觉

• 重叠是关键：相邻 patch 共享时间步，重建时过渡平滑；换成非重叠 → 明显退化
• Variance 启发式：保守策略——低 variance 的 patch 结构特征少，扰动更安全
• 时域优先：直接操作原始信号优于 FFT 变换后操作

为什么比其他方法好

对比维度	TPS	频域方法	分解方法
时间定位	✅ 原生	❌ FFT 丢失	✅ EMD 保留
计算开销	低	低	高（EMD）
input-target 一致性	✅ 内置	✅ 支持	✅ 支持
跨任务泛化	✅ 预测+分类	预测为主	预测为主

超参数

• p：patch 长度
• s：stride（< p 则重叠）
• α：shuffle 比例（0.7-1.0 最优）

实际不跑 Cartesian 网格，约 20 种候选配置做验证集搜索。

实验结果摘要

• 长期预测：9 数据集 × 5 骨干，MSE 改善 2.08%-10.51%
• 短期交通：4 PeMS 数据集，MSE 改善 0%-7.14%
• 分类任务：UCR +0.50%, UEA +1.10%

相关页面

• time-series-forecasting-augmentation — 预测增强通用框架
• data-label-consistency — 联合增强的理论基础
• freqmask-freqmix — 频域替代方案
• wavemask-wavemix — 时频域替代方案
• temporal-patch-shuffle-tps — 原始综述文章