Classificação de séries temporais por similaridade e extração de atributos intrínsecos com aplicação na identificação de espécie de insetos

• Processo: 11/04054-2
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de março de 2012
• Data de Término da vigência: 28 de fevereiro de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Gustavo Enrique de Almeida Prado Alves Batista
• Beneficiário: Diego Furtado Silva
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 12/18985-0 - Identificação de espécies de insetos por meio de sensores ópticos com utilização de técnicas de classificação de sinais de música e de fala, BE.EP.MS
• Assunto(s): Análise de séries temporais Aprendizado computacional Classificação Insetos
• Palavra(s)-Chave do Pesquisador: Classificação | Extração de atributos | insetos | Séries Temporais | Aprendizado de Máquina

Resumo

Um dos grandes desafios atuais em Aprendizado Máquina é a integração de dados temporais e sequenciais ao processo de Mineração de Dados, em tarefas como agrupamento, classificação e predição. No caso de classificação, existem duas abordagens frequentemente utilizadas para dados temporais: classificação por similaridade e por extração de atributos. A classificação por similaridade utiliza uma função de distância para identificar as séries mais similares à uma série de consulta, cuja classe é definida pela classe dominante entre as séries similares; a classificação por extração de atributos busca por atributos locais que permitam caracterizar a série e são utilizados para induzir um classificador. Neste projeto tem-se interesse em classificar sinais de mosquitos transmissores de doenças a partir de séries temporais coletadas por um sensor óptico. Nosso objetivo é comparar métodos de classificação por similaridade e por extração de atributos aplicados a esse contexto. Nossa experiência prévia mostra que a abordagem de extração de atributos apresenta resultados mais promissores nesse contexto. Dado o grande volume de dados de insetos coletados, nosso principal objetivo é pesquisar, avaliar e comparar métodos automáticos e não-supervisionados de identificação de atributos intrínsecos. Alguns desses métodos têm sido amplamente utilizados pela comunidade de processamento de sinais para a classificação de diversos tipos de sinais sonoros, por exemplo notas musicais.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SILVA, DIEGO FURTADO; ALVES DE SOUZA, VINICIUS MOURAO; PRADO ALVES BATISTA, GUSTAVO ENRIQUE DE ALMEIDA. A comparative study between MFCC and LSF coefficients in automatic recognition of isolated digits pronounced in Portuguese and English. ACTA SCIENTIARUM-TECHNOLOGY, v. 35, n. 4, p. 621-628, 2013. (11/04054-2, 12/07295-3, 11/17698-5, 12/50714-7)

BATISTA, GUSTAVO; SILVA, DIEGO; PRATI, RONALDO; WANI, MA; KHOSHGOFTAAR, T; ZHU, X; SELIYA, N. An Experimental Design to Evaluate Class Imbalance Treatment Methods. 2012 11TH INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS (ICMLA 2012), VOL 2, v. N/A, p. 7-pg., 2012-01-01. (12/07295-3, 11/04054-2)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SILVA, Diego Furtado. Classificação de séries temporais por similaridade e extração de atributos com aplicação na identificação automática de insetos. 2014. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.