@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 = "19 set. 2024"
}