Dissertação

MSAX: Multivariate symbolic aggregate approximation for time series classification EVALUATED

A análise de séries temporais (TS) é um tópico de pesquisa central em áreas como finanças, bioinformática e previsão do tempo, em que o objetivo é extrair conhecimento através de técnicas de data mining. O Symbolic aggregate approximation (SAX) é um método actual que realiza discretização e redução de dimensionalidade para TS univariadas. Estas são abordagens chaves para representação e análise de TS. Neste trabalho, propomos o MSAX, uma extensão deste algoritmo para TS multivariadas que toma em consideração a estrutura de covariância dos dados. O método é testado em vários conjuntos de dados, incluindo os datasets Pen Digits e Character Trajectories e mais doze datasets de referência. Em alguns dos testes feitos, o MSAX exibe desempenho comparável com métodos actuais em termos de precisão de classificação. Embora não seja superior a 1-NN e DTW, possui características interessantes para alguns cassos e, portanto, enriquece o conjunto de métodos para analisar TS multivariadas.
SAX, Séries Temporais, Classificação, Análise Multivariada

Novembro 21, 2019, 16:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado

ORIENTADOR

Alexandra Sofia Martins de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar