Análise de séries temporais por similaridade em larga escala

• Processo: 13/26151-5
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de julho de 2014
• Vigência (Término): 30 de setembro de 2017
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• 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): 15/07628-0 - Acelerando o cálculo da matriz de distância Dynamic Time Warping entre todos os pares para mineração de séries temporais, BE.EP.DR
• Assunto(s): Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: dynamic time warping | larga escala | Séries Temporais | Similaridade | Mineração de Dados

Resumo

Séries temporais são onipresentes no dia-a-dia dos seres humanos. Consequentemente, a área de análise de séries temporais tem atraído a atenção e o esforço de muitos pesquisadores ao redor do mundo. Devido ao grande interesse em séries temporais, inúmeros métodos de análise foram propostos nas últimas décadas. Vários desses métodos possuem uma característica em comum: em seus cernes existe uma função de similaridade como principal maneira de comparar as séries temporais. Diversos estudos na área evidenciam que a medida de distância Dynamic Time Warping (DTW) é uma das medidas mais adequadas para comparar séries temporais em um grande leque de domínios de aplicação. Entretanto, devido a sua complexidade de tempo de execução, a aplicação dessa medida vai de encontro a um dos maiores desafios atuais na área: a análise de grandes bases de dados temporais. Neste projeto, tem-se o interesse de desenvolver técnicas que possam ser utilizadas em diversas tarefas de análise em larga escala de séries temporais por similaridade. Para isso, a principal hipótese do trabalho é que a eficiência de tempo de execução do algoritmo que calcula a medida de distância DTW pode ser melhorada levando em conta apenas as duas séries temporais em comparação. Tais melhoramentos do algoritmo DTW devem ser capazes de proporcionar um desempenho de tempo significativamente melhor em diferentes tarefas de análise de séries temporais. Neste documento, são descritos os objetivos e as tarefas a serem realizadas para alcançá-los, além de serem apresentados os conceitos básicos sobre análise de séries temporais e suas aplicações em grandes volumes de dados. (AU)

Publicações científicas

(6)

(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 F.; SOUZA, VINICIUS M. A.; ELLIS, DANIEL P. W.; KEOGH, EAMONN J.; BATISTA, GUSTAVO E. A. P. A.. Exploring Low Cost Laser Sensors to Identify Flying Insect Species Evaluation of Machine Learning and Signal Processing Methods. JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS, v. 80, n. 1, SI, p. S313-S330, DEC 2015. (11/17698-5, 12/50714-7, 13/26151-5)

GIUSTI, RAFAEL; SILVA, DIEGO F.; BATISTA, GUSTAVO E. A. P. A.; IEEE. Improved Time Series Classification with Representation Diversity and SVM. 2016 15TH IEEE INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS (ICMLA 2016), v. N/A, p. 6-pg., 2016-01-01. (13/26151-5, 12/08923-8)

SILVA, DIEGO F.; SOUZA, VINICIUS M. A.; ELLIS, DANIEL P. W.; KEOGH, EAMONN J.; BATISTA, GUSTAVO E. A. P. A.. Exploring Low Cost Laser Sensors to Identify Flying Insect Species Evaluation of Machine Learning and Signal Processing Methods. JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS, v. 80, p. 18-pg., 2015-12-01. (13/26151-5, 12/50714-7, 11/17698-5)

SILVA, DIEGO F.; YEH, CHIN-CHIA M.; ZHU, YAN; BATISTA, GUSTAVO E. A. P. A.; KEOGH, EAMONN. Fast Similarity Matrix Profile for Music Analysis and Exploration. IEEE TRANSACTIONS ON MULTIMEDIA, v. 21, n. 1, p. 29-38, JAN 2019. (16/04986-6, 13/26151-5)

SILVA, DIEGO F.; GIUSTI, RAFAEL; KEOGH, EAMONN; BATISTA, GUSTAVO E. A. P. A.. Speeding up similarity search under dynamic time warping by pruning unpromising alignments. DATA MINING AND KNOWLEDGE DISCOVERY, v. 32, n. 4, p. 988-1016, JUL 2018. (16/04986-6, 12/08923-8, 13/26151-5)

SILVA, DIEGO F.; BATISTA, GUSTAVO E. A. P. A.; WANI, MA; KANTARDZIC, M; SAYEDMOUCHAWEH, M; GAMA, J; LUGHOFER, E. Elastic Time Series Motifs and Discords. 2018 17TH IEEE INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS (ICMLA), v. N/A, p. 6-pg., 2018-01-01. (16/04986-6, 13/26151-5, 17/24340-6)

Publicações acadêmicas

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

SILVA, Diego Furtado. Mineração de séries temporais por similaridade em larga escala. 2017. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.