Classificação automática de objetos astronômicos por meio da análise de séries temporais
Fecha
2019-05-27Autor
Montanger, Patricia Oliveira
Zalewski, Willian
Metadatos
Mostrar el registro completo del ítemResumen
A coleta de informações temporais aumenta a cada dia e se torna cada vez mais necessária a criação de
meios para que esses dados sejam analisados e compreendidos de maneira eficaz. Essas informações podem ser
representadas por meio de séries temporais, como curvas de luz de estrelas que possuem exoplanetas, e
compreender os eventos contidos nessas séries temporais exige métodos de mineração de dados e análises com
algoritmos de aprendizagem de máquina. Portanto, neste projeto buscamos desenvolver métodos para analisar
séries a partir da descoberta de shapelets, ou seja, subsequências que maximizam a discriminação entre classes
num conjunto de dados. The collection of temporal information increases every day and it becomes increasingly necessary to
create the means for these data to be analyzed and understood in an effective way. This information can be
represented by times series, such as light curves of stars that have exoplanets, and understanding the events in
these time series requires data mining methods and analysis with machine learning algorithms. Therefore, in this
project we seek to develop methods to analyze series from the discovery of shapelets, that is, subsequences that
maximize the discrimination between classes in a set of data. La recolección de información temporal aumenta cada día y se vuelve más necesaria la creación de
medios para que esos datos sean analizados y comprendidos de manera eficaz. Esta información puede ser
representada por series temporales, como curvas de luz de estrellas que poseen exoplanetas, y comprender los
eventos contenidos en estas series temporales requiere métodos de minería de datos y análisis com algoritmos de
aprendizaje de máquina. Por esto, en este proyecto buscamos desarrollar métodos para analizar series a partir del
descubrimiento de shapelets, o sea, subsecuencias que maximizan la discriminación entre clases en un conjunto
de datos.