本发明公开了一种基于语义选择的多变量时间序列分类方法，时间序列分类作为机器学习热门的一个研究分支拥有广泛的应用前景，例如计算机视觉、金融分析、生物统计学等等。本发明提出的稀疏自适应语义学习网络SA?SLN采用稀疏卷积核同时提取多变量时间序列空间上的语义概念和时间上的短时依赖关系，并提出一种注意力转移方法用于选择语义概念，最后通过LSTMs对序列的长时间依赖关系进行建模。该稀疏自适应语义学习网络SA?SLN基于帧内属性具有相关性的事实，实现了自动提取空间特征和时序依赖多步建模，解决了目前方法所存在的缺陷并在三个公开的数据集上达到了目前最好的结果。