Classificação de séries temporais por meio da transformada Shapelet

Detalhes bibliográficos
Autor(a) principal: Abel, Marcelino Ulica, 1989-
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/58434
Resumo: Orientador: Prof. Dr. Fabiano Silva
id UFPR_17a508f7e7d90cab3f8665b514723934
oai_identifier_str oai:acervodigital.ufpr.br:1884/58434
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Abel, Marcelino Ulica, 1989-Zalewski, Willian, 1986-Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em InformáticaSilva, Fabiano, 1972-2019-03-07T13:32:32Z2019-03-07T13:32:32Z2018https://hdl.handle.net/1884/58434Orientador: Prof. Dr. Fabiano SilvaCoorientador: Prof. Dr. Willian ZalewskiDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Informática. Defesa : Curitiba, 16/08/2018Inclui referências: p.75-78Resumo: O aumento dos dados coletados ao longo dos últimos anos despertou o interesse de vários pesquisadores em diferentes áreas de conhecimento concernente à análise de dados. Consequentemente, algoritmos de mineração de dados (MD) são utilizados para extração de padrões com o propósito de tomada de decisão. Dentre as tarefas de MD a classificação de séries temporais (CST) tem sido fortemente destacada. Neste contexto, a CST, mediante os algoritmos estado-da-arte e as técnicas para representação das séries temporais, consiste em tarefas não triviais, pois requer o conhecimento de domínio e de técnica para representá-las. Este trabalho apresenta uma avaliação experimental ampla da extensão da transformada shapelet (ETS) proposta por Zalewski et al. (2016), com base em outros modelos de classificação, e a proposta de uma nova ETS, visando a representação de séries temporais, extração de atributos relevantes e uma nova transformação dos dados sem perder informações importantes para inferências. Estas técnicas baseiam-se na eliminação de redundâncias entre as shapelets, o grau de correlação e autocorrelação entre elas, bem como a ordenação das shapelet de acordo com alguma medida de importância induzida nos algoritmos propostos. Após a separação das shapelets foram construídos modelos preditivos, baseados em distâncias, probabilidades, procura e otimização, com a finalidade de mostrar que a transformada shapelet (TS) proposta por Lines et al. (2012), em combinação com alguns algoritmos clássicos de seleção e agregação de atributos, resulta na redução e simplificação da complexidade da série temporal, permitindo que qualquer modelo preditivo adotado, sem a necessidade de ajustes de parâmetros, pode prover maior nível de desempenho em termos de acurácia. Conduzimos nossos experimentos em 25 conjuntos de dados extraídos do repositório UCR (Chen et al., 2015), para avaliação do desempenho dos modelos criados e dos métodos propostos. Após as análises dos resultados obtidos foram constatados desempenhos promissores em cada ETS utilizada. Palavras-chave: classificação, séries temporais, shapelet, mineração de dados aprendizado de máquina.Abstract: The increase in data collection throughout the past few years has aroused the interest of several researchers from different knowledge fields regarding data analysis. Consequently, data mining algorithms (DM) have been used to extract patterns for decision making. Amongst the tasks of DM, time-series classification (TSC) have been strongly highlighted. In this context, TSC, in respect to state-of-art algorithms and time-series representation techniques, consists on nontrivial tasks since domain and technique knowledge are required for their representation. The present paper presents a wide experimental evaluation of Shapelet Transform (ST) proposed by Zalewski et al. (2016), based on other classification models; besides, a new ST is presented aiming time-series representation, the extraction of significant attributes, and new data transformation with no significant losses by inferences. These techniques are based on the elimination of redundancies among the Shapelets, their correlation and self-correlation degree, as well as Shapelet ordination regarding any importance level induced in the proposed algorithms. After the separation of the Shapelet, predictive models were constructed based on distances, probabilities, search and optimization to show that the TS proposed by Lines et al. (2012) combined with some classic algorithms of attribute selection and aggregation, results in the reduction and simplification of the time-series complexity. Thus, any predictive model could be applied with no need for parameter adjustment; besides, superior accuracy performance could be achieved. We conducted our experiment in 25 clusters of data extracted from UCR repository (Chen et al., 2015) in order to evaluate the performance of the proposed model and methods. After the analysis of the obtained data, promising performances were observed from each TS used. Keywords: classification, time serie, shapelet, data mining, machine learning.78 p. : il.application/pdfAnalise de series temporais - Programas de computadorCiência da ComputaçãoAlgoritmos de computadorMineração de dados (Computação)TesesClassificação de séries temporais por meio da transformada Shapeletinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - MARCELINO ULICA ABEL.pdfapplication/pdf2887069https://acervodigital.ufpr.br/bitstream/1884/58434/1/R%20-%20D%20-%20MARCELINO%20ULICA%20ABEL.pdfe3535bfe6722a6500b9d95a39708af1eMD51open access1884/584342019-03-07 10:32:32.405open accessoai:acervodigital.ufpr.br:1884/58434Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082019-03-07T13:32:32Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Classificação de séries temporais por meio da transformada Shapelet
title Classificação de séries temporais por meio da transformada Shapelet
spellingShingle Classificação de séries temporais por meio da transformada Shapelet
Abel, Marcelino Ulica, 1989-
Analise de series temporais - Programas de computador
Ciência da Computação
Algoritmos de computador
Mineração de dados (Computação)
Teses
title_short Classificação de séries temporais por meio da transformada Shapelet
title_full Classificação de séries temporais por meio da transformada Shapelet
title_fullStr Classificação de séries temporais por meio da transformada Shapelet
title_full_unstemmed Classificação de séries temporais por meio da transformada Shapelet
title_sort Classificação de séries temporais por meio da transformada Shapelet
author Abel, Marcelino Ulica, 1989-
author_facet Abel, Marcelino Ulica, 1989-
author_role author
dc.contributor.other.pt_BR.fl_str_mv Zalewski, Willian, 1986-
Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Informática
dc.contributor.author.fl_str_mv Abel, Marcelino Ulica, 1989-
dc.contributor.advisor1.fl_str_mv Silva, Fabiano, 1972-
contributor_str_mv Silva, Fabiano, 1972-
dc.subject.por.fl_str_mv Analise de series temporais - Programas de computador
Ciência da Computação
Algoritmos de computador
Mineração de dados (Computação)
Teses
topic Analise de series temporais - Programas de computador
Ciência da Computação
Algoritmos de computador
Mineração de dados (Computação)
Teses
description Orientador: Prof. Dr. Fabiano Silva
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2019-03-07T13:32:32Z
dc.date.available.fl_str_mv 2019-03-07T13:32:32Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/58434
url https://hdl.handle.net/1884/58434
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 78 p. : il.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/58434/1/R%20-%20D%20-%20MARCELINO%20ULICA%20ABEL.pdf
bitstream.checksum.fl_str_mv e3535bfe6722a6500b9d95a39708af1e
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860858617266176

Registros relacionados