{pt_PT=Temporal Sequence Classification in the Presence of Background Domain Knowledge} {} EVALUATED

Detalhes: {pt=Na última década, tem havido um enorme interesse na classificação de dados temporais. Os dados temporais são geralmente associados a alta dimensionalidade, a correlação de atributos e a grandes quantidades de ruído, tornando esta tarefa um desafio para a comunidade de investigação. A classificação de sequências é uma das técnicas aplicada para resolver estes problemas, tendo em consideração a ordem temporal da sequência. No entanto, estes métodos não utilizam o conhecimento de domínio para descobrir informações significativas. Neste trabalho, descrevemos as principais abordagens para a classificação de sequências e propomos a adaptação de uma destas técnicas, Árvores de Decisão de Shapelets, através da incorporação de conhecimento de domínio no seu processo de treino. O propósito desta adaptação é proporcionar ao novo classificador a capacidade de lidar melhor com as relações subjacentes entre os dados que são conhecidas existir num determinado domínio. , en=In the last decade there has been a huge interest in classifying temporal data. Temporal data is usually associated with high dimensionality, feature correlation and large amounts of noise, making this task a challenge for the research community. Sequence classification methods are one of the techniques applied to solve this problem taking into consideration the temporal order of the sequence. However these methods do not use domain knowledge to learn meaningful information. In this work, we describe the main approaches for sequence classification and propose the adaptation of one of these techniques, Shapelet Decision Tree, through incorporation of domain knowledge in its training process. With this adaptation we aim for providing the new classifier with the ability of better dealing with the underlying relations between data that are known to exist in a given domain. }

Discussão: novembro 10, 2015, 14:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Sara Carolina Gouveia Rodrigues (ist169646)

ORIENTADOR

Claudia Martins Antunes

Departamento de Engenharia Informática (DEI)

Professor Auxiliar