Busca de padrões em séries temporais

• Autor(a) principal: Batista, Rodrigo de Abreu
• Data de Publicação: 2010
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/28327
• topic: Redes neurais; Inteligência artificial; Time series; Pattern discovery; Self-organizing maps; SOM; Motifs; Clustering

O presente trabalho discute e implementa duas abordagens utilizadas na descoberta de padrões em séries temporais: clustering e motifs. Primeiramente, é apresentada a abordagem de clustering com janela deslizante, e os problemas que decorrem da mesma. Na tentativa de contornar os problemas, faz-se uso de Mapas Auto-Organizáveis como alternativa ao clustering; por fim, é apresentada a técnica de identificação de pontos perceptualmente importantes, como solução para evitar padrões triviais e reduzir a dimensionalidade da série de entrada. Num segundo momento, é descrita a técnica de descoberta de padrões baseada em motifs, bem como as motivações que levaram a essa abordagem. Uma segunda implementação, usando dessa vez a nova abordagem, é apresentada e, ao final, são comparados os resultados obtidos pela execução dos métodos. Assim, com base nos experimentos realizados, concluiu-se que a abordagem do SOM com janela deslizante gera padrões muito suavizados e que pouco lembram a série original, enquanto que a abordagem por Motifs encontra padrões com melhores resoluções.