Busca avançada
Ano de início
Entree

Algoritmos de classificação de séries temporais aplicados a sistemas embarcados

Processo: 09/06349-0
Linha de fomento:Bolsas no Exterior - Novas Fronteiras
Vigência (Início): 01 de fevereiro de 2010
Vigência (Término): 31 de janeiro de 2011
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Gustavo Enrique de Almeida Prado Alves Batista
Beneficiário:Gustavo Enrique de Almeida Prado Alves Batista
Anfitrião: Eamonn John Keogh
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Local de pesquisa : University of California, Riverside (UCR), Estados Unidos  
Assunto(s):Inteligência artificial

Resumo

Um dos grandes desafios em Aprendizado Máquina é a integração de dados temporais e seqüenciais ao processo de Mineração de Dados. Neste projeto, tem-se interesse no desenvolvimento de algoritmos de classificação de séries temporais. Uma abordagem popular para a tarefa de classificação de séries temporais é a utilização do algoritmo k-vizinhos mais próximos. Esse algoritmo tem se mostrado eficiente especialmente quando aliado a medidas de distância capazes de lidar com defasagens de tempo, como a medida de distância Dynamic Time Warping. Entretanto, o algoritmo clássico de k-vizinhos mais próximos é computacionalmente intensivo, e uma solução é a utilização de índices que permitem responder uma consulta por similaridade de forma mais eficiente. Este projeto propõe pesquisar algoritmos de indexação que atendam as propriedades dos algoritmos da classe anyspace. Algoritmos dessa classe são capazes de trabalhar com diferentes quantidades de memória, sendo que o desempenho do algoritmo depende diretamente da quantidade de memória disponível. Tais algoritmos possuem o benefício de permitir que o projetista do sistema embarcado especifique a quantidade de memória em função do desempenho requerido pela aplicação. Outro assunto de interesse deste projeto são os métodos de classificação por indução de regras de classificação. Uma abordagem para isso é a identificação de motifs que são subsequências que se repetem com frequência e que geralmente representam fenômenos de interesse. As regras possuem a conveniência de serem facilmente codificadas em qualquer linguagem de programação procedimental, e requerem poucos recursos de processamento e memória. Os algoritmos desenvolvidos durante o estágio de pós-doutorado serão aplicados no controle e monitoramento de insetos por meio de dispositivos desenvolvidos pela ISCA Technologies. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Projeto desenvolvido no ICMC é contemplado em chamada da USAID 
Sensor identifica insetos pela frequência do batimento das asas 

Publicações científicas
(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)
BATISTA, GUSTAVO E. A. P. A.; KEOGH, EAMONN J.; TATAW, OBEN MOSES; DE SOUZA, VINICIUS M. A. CID: an efficient complexity-invariant distance for time series. DATA MINING AND KNOWLEDGE DISCOVERY, v. 28, n. 3, p. 634-669, MAY 2014. Citações Web of Science: 78.
RAKTHANMANON, THANAWIN; CAMPANA, BILSON; MUEEN, ABDULLAH; BATISTA, GUSTAVO; WESTOVER, BRANDON; ZHU, QIANG; ZAKARIA, JESIN; KEOGH, EAMONN. Addressing Big Data Time Series: Mining Trillions of Time Series Subsequences Under Dynamic Time Warping. ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA, v. 7, n. 3, SI SEP 2013. Citações Web of Science: 56.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.