Classificação de Séries Temporais Utilizando Diferentes Representações de Dados e Ensembles

Resumo

Nas últimas décadas tem-se observado um crescente interesse por técnicas de análise de dados temporais. Tal interesse se deve ao fato de que praticamente todos os empreendimentos humanos geram dados distribuídos ao longo do tempo. Neste projeto, tem-se interesse no desenvolvimento de algoritmos de classificação de séries temporais. Embora exista uma grande quantidade de algoritmos de classificação propostos nas últimas décadas, evidências experimentais sugerem que um simples classificador K-vizinhos mais próximos desempenha melhor que outros classificadores mais complexos para uma grande quantidade de domínios de aplicação. Uma pergunta em aberto é como se pode melhorar o desempenho do classificador K-vizinhos mais próximos para os domínios de aplicação nos quais essa técnica tipicamente não desempenha bem. A hipótese central deste trabalho é de que uma simples e eficiente mudança de representação dos dados pode fornecer um aumento significativo em termos de desempenho de classificação. Nosso objetivo é investigar por novas e eficientes representações em séries temporais e propor medidas de distâncias que sejam efetivas nessas representações.