Uso da invariância à complexidade para descoberta de motifs

• Processo: 13/16164-2
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de novembro de 2013
• Data de Término da vigência: 03 de julho de 2015
• 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: Lucas Schmidt Cavalcante
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Descoberta de motifs | mineração de séries temporais | Inteligência Artificial

Resumo

Inúmeros fenômenos do dia-a-dia podem ser representados por séries temporais, que são amostras de um sinal ordenadas pelo tempo em que foram obtidas. Motifs são subsequências de séries temporais que se repetem ao longo do tempo. Como em uma série temporal podem existir inúmeros motifs, é preciso atribuir uma importância a eles. Na literatura há duas definições populares para o 1-motif (o motif de maior importância). Na primeira, o 1-motif é o par mais similar de subsequências; e na segunda, ele é a subsequência que mais se repete. Recentemente foi proposta uma nova medida de distância para séries temporais, chamada de Complexity-invariant Distance, que considera a complexidade das séries temporais sendo comparadas. O objetivo deste trabalho é explorar essa nova medida de distância, bem como o conceito de complexidade de séries temporais para se obter motifs de maior interesse. Intuitivamente, a hipótese central desta pesquisa é de que 1-motifs simples como retas ascendentes ou descendentes são dificilmente motifs de interesse, não interessando quão similares eles são, ou quantas vezes eles se repetem em uma série temporal. Por sua vez, motifs complexos frequentemente representam subsequências de interesse. Este trabalho explora o conceito de complexidade na descoberta e ranqueamento de motifs.

Publicações acadêmicas

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

CAVALCANTE, Lucas Schmidt. Amostragem e medidas de qualidade de shapelets. 2016. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.