Time series pattern identification by hierarchical community detection

Autor(es)

Anghinoni, Leandro ^[1] ; Vega-Oliveros, Didier A. ^{[2, 3]} ; Silva, Thiago Christiano ^{[4, 5]} ; Zhao, Liang ^[5]

Afiliação do(s) autor(es)

^[1] Univ Sao Paulo, ICMC, Sao Carlos, SP - Brazil

^[2] Univ Estadual Campinas, Inst Comp, Campinas, SP - Brazil

^[3] Indiana Univ, Ctr Complex Networks & Syst Res, Luddy Sch Informat Comp & Engn, Bloomington, IN - USA

^[4] Univ Catolica Brasilia, Brasilia, DF - Brazil

^[5] Univ Sao Paulo, FFCLRP, Ribeirao Preto, SP - Brazil

• Tipo de documento: Artigo Científico
• Fonte: European Physical Journal-Special Topics; v. 230, n. 14-15, p. 2775-2782, OCT 2021.
• Citações Web of Science: 1

Resumo

Identifying time series patterns is of great importance for many real-world problems in a variety of scientific fields. Here, we present a method to identify time series patterns in multiscale levels based on the hierarchical community representation in a complex network. The construction method transforms the time series into a network according to its segments' correlation. The constructed network's quality is evaluated in terms of the largest correlation threshold that reaches the largest main component's size. The presence of repeated hierarchical patterns is then captured through network metrics, such as the modularity along the community detection process. We show the benefits of the proposed method by testing in one artificial dataset and two real-world time series applications. The results indicate that the method can successfully identify the original data's hierarchical (micro and macro) characteristics. (AU)

• 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: 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: 19/26283-5 - Aprendendo pistas visuais da passagem do tempo
• Beneficiário: Didier Augusto Vega Oliveros
• Modalidade de apoio: Bolsas no Brasil - 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: 15/50122-0 - Fenômenos dinâmicos em redes complexas: fundamentos e aplicações
• Beneficiário: Elbert Einstein Nehrer Macau
• Modalidade de apoio: Auxílio à Pesquisa - Temático