Технология InSAR (интерферометрический синтетический апертурный радар) способна широкомасштабно получать деформации, и в мониторинге геологических бедствий, оценке безопасности городской инфраструктуры, мониторинге склонов карьеров и т. Д. Достигла больших успехов. Однако временные ряды технологии InSAR, получающие множество деформаций, представляют собой огромное препятствие для интерпретации полев деформаций. Автоматическая классификация массивов деформаций имеет важное значение для интерпретации информации о деформациях и обнаружения сигналов опасности. В этой статье предлагается метод глубокой кластеризации времянок InSAR на основе самонаблюдения и контрастного обучения. Путем введения фреймворка самонаблюдения и контрастного обучения модель улучшила способность кластеризации на неразмеченных данных. По отношению к методам улучшения данных в захвате инвариантности временных рядов во временных рядах, предлагается стратегия улучшения данных на основе вращательной формы. Эта стратегия путем вращения исходных данных временных рядов под разными углами эффективно сохраняет похожесть форм временных рядов и повышает точность и устойчивость кластеризации. На проверочном наборе данных предложенный в этой статье подход увеличил оптимальную точность кластеризации и нормализованное значение взаимной информации на 25,8% и 16,3% соответственно по сравнению с традиционным методом K-средних. По сравнению с методом K-формы, предложенный в этой статье метод показывает лучшую точность в захвате признаков временных рядов и измерении временной схожести временных рядов. Кроме того, мы использовали временной набор данных, полученный после запуска миссии Центинель-1 по Кафанди в городе Юньнань с января 2020 по октябрь 2022 года. Мы проанализировали временные ряды деформаций и получили надежные результаты классификации, что говорит о том, что этот метод может эффективно кластеризовать временные ряды деформаций InSAR.

самонаблюдение, контрастное обучение, улучшение данных, глубокая кластеризация, анализ временных рядов, кластеризация деформаций, представление признаков, временные ряды InSAR