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