Agrupamentos e Classificação via ondaletas

• Processo: 25/08017-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 17 de setembro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Aluísio de Souza Pinheiro
• Beneficiário: Lívia Yumi de Souza Tuzita Yamamoto
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 23/02538-0 - Séries temporais, ondaletas, dados de alta dimensão e aplicações, AP.TEM
• Bolsa(s) vinculada(s): 25/21355-9 - Modelo Wavenet do Google DeepMind: Ondaletas e Aprendizado por Filtros, BE.EP.IC
• Assunto(s): Aprendizado computacional Análise de ondaletas
• Palavra(s)-Chave do Pesquisador: machine learning | Statistical learning | Time Series | Wavelets | Estatística Não-Paramétrica

Resumo

Técnicas de agrupamento (clustering) e classificação, massivamente usadas em aprendizado de máquina (machine learning), muitas vezes produzem resultados ruins quando aplicadas diretamente sobre dados, quer sejam IID ou séries temporais, ou mesmo imagens. Entre elas, incluímos KNN (Kthnearest neighbors), K-médias, SVM (support vector machines), árvores e florestas, Medidas de Schur, redes neurais etc.. O objetivo desse projeto será usar ondaletas, especificamente, a transformada discreta de ondaletas (DWT) para transformar os dados antes de usar tais técnicas. Ou ainda, no caso de SVM e redes neurais convolucionais profundas (RCP), usar kernels de ondaletas e filtros de ondaletas, respectivamente, no lugar dos kernels e filtros usualmente usados. (AU)