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.)

Time series pattern identification by hierarchical community detection

Texto completo
Autor(es):
Anghinoni, Leandro [1] ; Vega-Oliveros, Didier A. [2, 3] ; Silva, Thiago Christiano [4, 5] ; Zhao, Liang [5]
Número total de Autores: 4
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
Número total de Afiliações: 5
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