Busca de padrões em séries temporais
AUTOR(ES)
Batista, Rodrigo de Abreu
DATA DE PUBLICAÇÃO
2011
RESUMO
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.
ASSUNTO(S)
redes neurais time series pattern discovery inteligência artificial self-organizing maps som motifs clustering
