Análise espectral singular robusta, classificação, redução de dimensão de dados funcionais com aplicações em mudanças climáticas e dados epidemiológicos

• Processo: 21/05136-4
• Linha de fomento: Bolsas no Brasil - Pós-Doutorado
• Vigência (Início): 01 de setembro de 2021
• Vigência (Término): 31 de agosto de 2023
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Ronaldo Dias
• Beneficiário: Olushina Olawale Awe
• Instituição-sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 18/04654-9 - Séries temporais, ondaletas e dados de alta dimensão, AP.TEM
• Assunto(s): Análise de dados

Resumo

A previsão de séries temporais atingiu grandes dimensões de signi cância em gestão, planejamento e tomada de decisão para instituições governamentais, indústrias e negócios. No entanto, as implementações de previsões costumam ser limitadas devido a diversos fatores como complexidade dos dados, condições ambientais, variáveis econômicas, situações de risco, entre outros, que se originam de sistemas altamente dinâmicos; e, consequentemente, torna a análise de dados complexa, produzindo resultados imprecisos. Eu proponho uma nova pesquisaA atividade cobrirá dois tópicos amplos que incluirão o estudo de Análise Espectral Singular (SSA) e Análise de Componente Principal (PCA) robusta para agrupamento / previsão de dados de alta dimensão, dados funcionais e grandes banco de dados, com diversas aplicações médicas e ambientais. Os dados seriam coletados especificamente para os países do BRICS e o uso de transformações wavelet como uma técnica de redução de dimensionalidade para permitir a busca de similaridade eficiente em séries temporais de alta dimensão. (AU)