Classificação automática de objetos astronômicos por meio da análise de séries temporais

Abstract

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.