Detecção de ponto de mudança em séries temporais utilizando o espectro do grafo

• Ano de defesa: 2019
• Autor(a) principal: Uzai, Luis Gustavo de Carvalho
• Orientador(a): Kashiwabara, Andre Yoshiaki
• Banca de defesa: Kashiwabara, Andre Yoshiaki , Lopes, Fabricio Martins , Barbon Junior, Sylvio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Cornelio Procopio
• Programa de Pós-Graduação: Programa de Pós-Graduação em Informática
• País: Brasil
• Palavras-chave em Português: Análise de séries temporais; Inteligência artificial; Teoria dos grafos; Time-series analysis; Artificial intelligence; Graph theory
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/5452

Séries temporais são sequência de valores distribuídos ao longo do tempo. Analisar séries temporais é importante em várias áreas, incluindo médica, financeira, aeroespacial, comercial e entretenimento. Detecção de pontos de mudança é o problema em identificar a mudança no significado ou distribuição dos dados em uma série temporal. O interesse acadêmico e comercial no tema foi ampliado na ultima década devido ao aumento de potência e complexidade de sensores, além do avanço de processos tecnológicos, que, possibilitaram a captura e reconhecimento de um grande volume de dados. Muitos algoritmos amplamente utilizados na atualidade tem dificuldade para chegar em resultados ótimos quando o número de dimensões aumenta ou o volume de dados cresce exponencialmente, também existem séries temporais onde a maioria dos algoritmos não possui resultados satisfatórios (mais de 0.80 de precisão) mesmo considerando dados bidimensionais como em distribuições baseadas em contexto. A maioria dos algoritmos conhecidos e mais eficiente em cenários específicos e menos em outros, por tanto, um número maior de opções de soluções aumenta a probabilidade do usuário obter um algoritmo que atenda melhor suas necessidades. Soluções para essas questões são de grande interesse ecológico e econômico. O objetivo deste trabalho é o desenvolvimento de um algoritmo para detecção de pontos de mudança, não supervisionado que seja aplicável em séries com múltiplos pontos de mudança e com um grande volume de dados com alta precisão. Para atingir esse objetivo foi desenvolvido o novo método SpecDetec, um algoritmo que utiliza o agrupamento com espectro de grafo para detectar pontos de mudança. O algoritmo foi publicado em um pacote no CRAN como SpecDetec e está disponível para uso de forma irrestrita. O SpecDetec foi avaliado utilizando o UCR Archive que e uma grande base de dados de diferentes séries temporais. A performance do SpecDetec foi comparado com outros algoritmos que representam o estado da arte na detecção de pontos de mudança. Os resultados mostraram que agrupamento com espectro do grafo e uma técnica eficiente para detecção de pontos de mudança, pois o SpecDetec alcançou uma exatidão melhor em comparação ao estado da arte em alguns cenários específicos e tão eficiente quanto na maioria dos casos avaliados. Em contextos onde é possível suportar uma tolerância de até 0.05 o SpecDetec é recomendado pois se mostrou superior aos outros algoritmos na maioria das bases de dados.