猫：缓解多变量时间序列分类中的相关性偏移

本研究针对多变量时间序列分类中的领域适应问题，提出了一种新的相关性偏移概念，以量化不同领域中的多变量相关性差异。通过设计CATS算法，该算法有效地对目标领域的相关性进行了再加权，以与源领域的相关性对齐，同时具备良好的扩展性和参数效率，实验结果表明其显著提升了分类性能。