Shapelet是一種具有辨識(shí)性的時(shí)間序列予序列，通過識(shí)別局部特征達(dá)到對(duì)時(shí)間序列準(zhǔn)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(duì)于帶有趨勢(shì)變化的時(shí)間序列，采用典型的時(shí)間序列表示方法進(jìn)行shapelet發(fā)現(xiàn)，容易造成序列中趨勢(shì)信息的丟失。為了解決時(shí)間序列趨勢(shì)信息丟失的問題，提出一種基于趨勢(shì)特征的多樣化top-k shapelet分類方法：首先采用趨勢(shì)特征符號(hào)化方法對(duì)時(shí)間序列的趨勢(shì)信息進(jìn)行表示；然后針對(duì)序列的趨勢(shì)特征符號(hào)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(gè)最具代表性的shapelets。在時(shí)間序列的分類實(shí)驗(yàn)中，與傳統(tǒng)分類算法相比，所提方法在11個(gè)數(shù)據(jù)集上的分類準(zhǔn)確率均有提升；與FastShapelet算法相比，提升了運(yùn)行效率，縮短了算法的運(yùn)行時(shí)間，并在趨勢(shì)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(shí)間序列的分類準(zhǔn)確率，提升算法運(yùn)行效率。