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

Publicação

Obra sujeita a Direitos de Autor

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