Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Spatiotemporal data analysis with chronological networks

Texto completo
Autor(es):
Ferreira, Leonardo N. [1, 2, 3] ; Vega-Oliveros, Didier A. [4, 5] ; Cotacallapa, Moshe [3] ; Cardoso, Manoel F. [6] ; Quiles, Marcos G. [7] ; Zhao, Liang [8] ; Macau, Elbert E. N. [7, 3]
Número total de Autores: 7
Afiliação do(s) autor(es):
[1] Humboldt Univ, Dept Phys, Berlin - Germany
[2] Potsdam Inst Climate Impact Res, Potsdam - Germany
[3] Natl Inst Space Res, Associated Lab Comp & Appl Math, Sao Jose Dos Campos, SP - Brazil
[4] Univ Estadual Campinas, Inst Comp, Campinas, SP - Brazil
[5] Indiana Univ, Sch Informat Comp & Engn, Bloomington, IN - USA
[6] Natl Inst Space Res, Ctr Earth Syst Sci, Sao Jose Dos Campos, SP - Brazil
[7] Univ Fed Sao Paulo, Inst Sci & Technol, Sao Jose Dos Campos, SP - Brazil
[8] Univ Sao Paulo, Dept Comp & Math, Fac Philosophy Sci & Letters Ribeirao Preto FFCLR, Ribeirao Preto, SP - Brazil
Número total de Afiliações: 8
Tipo de documento: Artigo Científico
Fonte: NATURE COMMUNICATIONS; v. 11, n. 1 AUG 12 2020.
Citações Web of Science: 0
Resumo

The number of spatiotemporal data sets has increased rapidly in the last years, which demands robust and fast methods to extract information from this kind of data. Here, we propose a network-based model, called Chronnet, for spatiotemporal data analysis. The network construction process consists of dividing a geometric space into grid cells represented by nodes connected chronologically. Strong links in the network represent consecutive recurrent events between cells. The chronnet construction process is fast, making the model suitable to process large data sets. Using artificial and real data sets, we show how chronnets can capture data properties beyond simple statistics, like frequent patterns, spatial changes, outliers, and spatiotemporal clusters. Therefore, we conclude that chronnets represent a robust tool for the analysis of spatiotemporal data sets. Extracting central information from ever-growing data generated in our lives calls for new data mining methods. Ferreira et al. show a simple model, called chronnets, that can capture frequent patterns, spatial changes, outliers, and spatiotemporal clusters. (AU)

Processo FAPESP: 19/00157-3 - Análise de associação e causalidade entre clima e queimadas usando redes complexas
Beneficiário:Leonardo Nascimento Ferreira
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
Processo FAPESP: 15/50122-0 - Fenômenos dinâmicos em redes complexas: fundamentos e aplicações
Beneficiário:Elbert Einstein Nehrer Macau
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 17/05831-9 - Análise da influência de índices climáticos sobre as queimadas em vegetação por meio de redes complexas e mineração de dados
Beneficiário:Leonardo Nascimento Ferreira
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 19/26283-5 - Aprendendo pistas visuais da passagem do tempo
Beneficiário:Didier Augusto Vega Oliveros
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 16/16291-2 - Caracterização de redes dinâmicas: métodos e aplicações
Beneficiário:Marcos Gonçalves Quiles
Linha de fomento: Bolsas no Exterior - Pesquisa
Processo FAPESP: 16/23698-1 - Processos Dinâmicos em Aprendizado de Máquina baseados em Redes Complexas
Beneficiário:Didier Augusto Vega Oliveros
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 18/24260-5 - Análise de dados espaço-temporais baseado em redes complexas
Beneficiário:Didier Augusto Vega Oliveros
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs