Estudo comparativo de medidas de complexidade para classificação e agrupamento de séries temporais

• Processo: 13/03115-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2013
• Data de Término da vigência: 31 de outubro de 2013
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Gustavo Enrique de Almeida Prado Alves Batista
• Beneficiário: Gabriela Pinto Cesar Duque
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Agrupamento de dados Classificação Complexidade Invariância conforme Análise de séries temporais Metodologia e técnicas de computação Estudo comparativo
• Palavra(s)-Chave do Pesquisador: Agrupamento | Aprendizado de Máquina | Classificação | Complexidade | Séries Temporais | Aprendizado de Máquina

Resumo

Há recentemente um crescente interesse no processamento de séries temporais devido a grande quantidade de domínios de aplicação que geram dados com essa característica. Esse interesse pode ser medido pela vasta quantidade de métodos recentemente propostos na literatura para tarefas como classificação, agrupamento, sumarização, detecção de anomalias e descoberta de motifs. Estudos recentes têm mostrado que para muitos problemas, os métodos baseados em similaridade apresentam uma eficácia difícil de ser superada, mesmo por métodos mais sofisticados. Isso se deve em grande parte pelo fato de que a comunidade tem estudado e proposto diversas invariâncias para medidas de distância entre séries temporais. As invariâncias fazem com que as medidas de distância ignorem determinadas características indesejadas dos dados. O exemplo mais conhecido é a invariância às diferenças locais na escala de tempo obtida pela técnica de warping. Outras invariâncias incluem a invariância às diferenças de amplitude e offset, fase e oclusão. Recentemente foi demonstrado à comunidade científica que métodos de classificação de séries temporais por similaridade podem ser muito beneficiados por uma nova invariância: invariância à complexidade. Entretanto, a complexidade de uma série temporal pode ser medida de diversas maneiras, como auto-similaridade (dimensão fractal), entropia, complexidade de Kolmogorov, compressão, entre outras. O principal objetivo deste projeto de pesquisa é investigar como diferentes formas de medir a complexidade podem auxiliar em tarefas de classificação e agrupamento de séries temporais. (AU)