Fechar

@PhDThesis{CotacallapaChoque:2021:DePaDa,
               author = "Cotacallapa Choque, Frank Moshe",
                title = "Detec{\c{c}}{\~a}o de padr{\~o}es em dados espaciais e 
                         temporais via redes complexas",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2021",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2020-04-29",
             keywords = "sistemas complexos, redes complexas, redes temporais, redes 
                         din{\^a}micas, complex systems, complex networks, temporal 
                         networks, dynamic networks.",
             abstract = "A cada ano, novos desafios s{\~a}o encontrados na {\'a}rea de 
                         minera{\c{c}}{\~a}o de dados. O respeito pela privacidade dos 
                         usu{\'a}rios, o desenvolvimento de solu{\c{c}}{\~o}es em tempo 
                         real, armazenamento e processamento em grande escala s{\~a}o 
                         alguns dos temas que est{\~a}o em destaque, atualmente, na 
                         computa{\c{c}}{\~a}o. Al{\'e}m disso, sabemos que os dados 
                         gerados ao nosso redor est{\~a}o relacionados a 
                         situa{\c{c}}{\~o}es complexas, em diferentes n{\'{\i}}veis de 
                         detalhe, e mudando ao longo do tempo. Considerando esse contexto, 
                         o trabalho desenvolvido prop{\~o}e m{\'e}todos para obter 
                         informa{\c{c}}{\~o}es sobre padr{\~o}es em eventos temporais e 
                         espaciais, a partir do uso de redes complexas. Nesse sentido, 
                         sabendo que h{\'a} uma demanda crescente por abordagens que lidem 
                         com os desafios modernos da minera{\c{c}}{\~a}o dos dados, o 
                         m{\'e}todo proposto aqui, busca preencher essa necessidade com 
                         foco na simplicidade, flexibilidade e novos resultados. Em poucas 
                         palavras, este m{\'e}todo identifica est{\'a}gios ou estados 
                         pelos que passa um conjunto de eventos ao longo do tempo, usando 
                         como base a constru{\c{c}}{\~a}o cronol{\'o}gica de uma rede 
                         complexa e aplicando algoritmos de detec{\c{c}}{\~a}o de 
                         comunidades. Adicionalmente, {\'e} feita uma detalhada 
                         compara{\c{c}}{\~a}o entre um algoritmo de agrupamento e o 
                         m{\'e}todo proposto, a fim de obter as principais 
                         diferen{\c{c}}as e mensurar como estes se comportam e conjuntos 
                         fict{\'{\i}}cios de dados temporais. ABSTRACT: Every year, new 
                         challenges are faced in data mining. The respect for users 
                         privacy, real-time solutions, data processing in large scale are 
                         some of the trending topics in this area. Besides this, huge 
                         amounts of generated data around us is related to complex 
                         situations, in different levels of details, and changing along 
                         time. Within this context, the work developed along these lines 
                         propose methods to get information related to significant changes 
                         in temporal datasets, based on the use of complex networks, with 
                         focus on temporal events and temporal sequences. In addition to 
                         this, considering the growing demand for new approaches to deal 
                         with modern challenges in data mining, the proposed algorithm 
                         intend to fill part of this gap by focusing on three 
                         characteristics: simplicity, flexibility and novelty results. In 
                         few words, this method is able to identify phases or stages in 
                         sets of spatio-temporal events, based on the use of community 
                         detection algorithms and cronological complex networks. 
                         Furthermore, a detailed comparison is made between a 
                         state-of-the-art clustering algorithm and the proposed method, in 
                         order to identify the main differences and how they behave in 
                         several toy data models.",
            committee = "Grande, Helder Luciani Casa (presidente) and Quiles, Marcos 
                         Gon{\c{c}}alves (orientador) and Cardoso, Manoel Ferreira 
                         (orientador) and Macau, Elbert Einstein Nehrer (orientador) and 
                         Ferreira, Karine Reis and Carvalho, Solon Ven{\^a}ncio de and 
                         Basgalupp, M{\'a}rcio Porto and Breve, Fabr{\'{\i}}cio 
                         Aparecido",
         englishtitle = "Pattern detection in spatial and temporal events through complex 
                         networks",
             language = "pt",
                pages = "130",
                  ibi = "8JMKD3MGP3W34R/42JBEF2",
                  url = "http://urlib.net/ibi/8JMKD3MGP3W34R/42JBEF2",
           targetfile = "publicacao.pdf",
        urlaccessdate = "18 mar. 2024"
}


Fechar