Busca avançada
Ano de início
Entree

Detecção de anomalias e eventos extremos em data streams multidimensionais

Processo: 11/15829-5
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de março de 2012
Vigência (Término): 28 de fevereiro de 2014
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Elaine Parros Machado de Sousa
Beneficiário:Santiago Augusto Nunes
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Banco de dados

Resumo

Data streams são usualmente caracterizadas por grandes quantidades de dados gerados continuamente em processos síncronos ou assíncronos potencialmente infinitos, em aplicações como: sistemas meteorológicos, processos industriais, tráfego de veículos, transações financeiras, redes de sensores, entre outras. Além disso, o comportamento dos dados tende a sofrer alterações significativas ao longo do tempo, definindo data streams evolutivas. Estas alterações podem significar eventos temporários (como anomalias ou eventos extremos) ou mudanças relevantes no processo de geração da stream (que resultam em alterações na distribuição dos dados). A detecção dessas variações de comportamento, em particular de anomalias e eventos extremos, é relevante em alguns tipos de aplicação, como o monitoramento de eventos climáticos extremos em pesquisas na área de Agrometeorologia. Nesse contexto, este projeto de mestrado tem por objetivo desenvolver uma técnica de identificação de anomalias e eventos extremos em data streams multidimensionais, baseada na detecção de mudanças de comportamento espaço-temporais. A abordagem a ser adotada é baseada em conceitos da Teoria de Fractais, utilizados para análise de comportamento temporal. A técnica desenvolvida será aplicada a dados agrometeorológicos, visando identificar eventos climáticos extremos e o impacto desses eventos em áreas de plantio de café na região Sudeste do Brasil. Portanto, pretende-se que este trabalho resulte em contribuições para a área de mineração de dados e apóie pesquisas em Agrometeorologia.

Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
NUNES, Santiago Augusto. Análise espaço-temporal de data streams multidimensionais. 2015. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação São Carlos.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.