差分隐私合成时间序列的序列组装策略研究

Guoxiong Long 等作者发布论文，评估差分隐私时间序列生成器产出的固定长度合成窗口在生成后如何组装成长序列。研究系统变化重叠率与窗口加权方案，在 ETTh1、ETTm1、Weather、Appliances 四类公开数据集和五种预测模型上考察边界连续性、统计与时间保真度以及 TSTR 预测效用。 结果显示，下游 TSTR 预测效用由预测模型、重叠率与加权方案共同决定，不同预测模型有各自不同的组装偏好；提高重叠率通常改善边界连续性，但连续性或单项保真度指标的改善并不稳定降低预测误差。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。