Clasificación de series de tiempo por mineria de datos

Abstract

La minería de datos de series de tiempo (MDST) ha evolucionado considerablemente en la última década, proporcionando un marco de trabajo con diversos algoritmos. Estos algoritmos adaptan e innova las técnicas de minería de datos para su aplicación en análisis de series de tiempo. En este trabajo se utiliza este marco y los conceptos de MDST, así como su aplicación para el análisis de series de tiempo, con la finalidad de proporcionar un método que integre técnicas de minería de datos de series de tiempo y mapas recurrentes en una herramienta computacional. Los mapas recurrentes tienen un rol muy importante en este trabajo ya que nos permitirán tener indicadores paramétricos de similitud entre las series de tiempo, para su caracterización, clasificación y aplicación de análisis de las mismas. Los resultados experimentales muestran, que los patrones temporales significativos generan clasificaciones, caracterizaciones y pueden ser identificados estadísticamente. Además de mostrar por métodos experimentales que dichas técnicas funcionan correctamente. También que, la herramienta, permite el almacenamiento y recuperación de las series de tiempo. // The Times Series Data Mining (TSDM) has evolved considerably the last decade. These algorithms innovate and improve the data mining techniques to perform time series analysis. In this dissertation, we shall provide an integration method with different techniques of TSDM and recurrence plots in a computing software tool. The recurrence plot has a very important meaning, because, from there are taken some parametric attributes, which ones are used to perform classification and characterization of the time series. The experimental result shows that the temporal patterns are using to create characteristics and classifications of time series. Based on it we will modeling those future events and could recognize statistically. Also we shall show, by experimental methods, which theses techniques work properly. Therefore the tool is capable to storage and grabs time series for an easiest way to handled for its analysis.