Shapelet是一種具有辨識性的時間序列予序列，通過識別局部特征達到對時間序列準確分類的目的。原始shapelet發(fā)現(xiàn)算法效率較低，大量工作關(guān)注于提高shapelet發(fā)現(xiàn)的效率。然而，對于帶有趨勢變化的時間序列，采用典型的時間序列表示方法進行shapelet發(fā)現(xiàn)，容易造成序列中趨勢信息的丟失。為了解決時間序列趨勢信息丟失的問題，提出一種基于趨勢特征的多樣化top-k shapelet分類方法：首先采用趨勢特征符號化方法對時間序列的趨勢信息進行表示；然后針對序列的趨勢特征符號獲取shapelet候選集合；最后通過引入多樣化top-k查詢算法從候選集中選取五個最具代表性的shapelets。在時間序列的分類實驗中，與傳統(tǒng)分類算法相比，所提方法在11個數(shù)據(jù)集上的分類準確率均有提升；與FastShapelet算法相比，提升了運行效率，縮短了算法的運行時間，并在趨勢信息明顯的數(shù)據(jù)上效果顯著。結(jié)果表明，所提方法能有效提高時間序列的分類準確率，提升算法運行效率。