Ítem


Efficient sequential and temporal pattern mining

The contributions of the present thesis are in the domain of Pattern Mining and Knowledge Discovery, being of particular relevance for the sequential pattern mining and time-interval related pattern mining fields. In this thesis, a new efficient sequential pattern mining algorithm called VEPRECO is introduced, the contributions of which are: (i) a new representation, (ii) pre-pruning strategies and (iii) candidate selection policies which reduce the number of iterations of the algorithm. In this thesis, a new efficient algorithm for mining time interval patterns, called vertTIRP, has also been presented, combining an efficient representation of these patterns with a pairing strategy to accelerate the mining process. And finally, to open the door of mining of time interval patterns to multivariate time series, the TA4L algorithm has been introduced. TA4L transforms time series into interval-based sequences suitable for feeding time interval algorithms

Les contribucions d’aquesta tesi estan en el domini de la mineria de patrons i el descobriment del coneixement, sent de particular rellevància pels camps de mineria de patrons seqüencials i els patrons d’intervals temporals. En aquesta tesi, s’ha presentat un nou algoritme eficient de mineria de patrons seqüencials anomenat VEPRECO, les contribucions del qual són: (i) una nova representació, (ii) unes estratègies de prepoda i (iii) unes polítiques de selecció de candidats que redueixen el nombre d’iteracions de l’algoritme. En aquesta tesi, també s’ha presentat un nou algoritme eficient per minar patrons d’intervals temporals, denominat vertTIRP, el qual combina una representació eficient d’aquests patrons amb una estratègia d’aparellament per tal d’accelerar el procés de la mineria. I finalment, per obrir la porta de la mineria de patrons d’intervals temporals a sèries temporals multivariades, s’ha presentat l’algoritme TA4L. TA4L transforma sèries temporals en seqüències d’intèrvals aptes per alimentar algoritmes d’intervals temporals

Programa de Doctorat en Tecnologia

Universitat de Girona

Director: López Ibáñez, Beatriz
Bifet, Albert
Altres contribucions: Universitat de Girona. Departament d’Enginyeria Elèctrica, Electrònica i Automàtica
Autor: Mordvanyuk, Natalia
Data: 13 octubre 2021
Resum: The contributions of the present thesis are in the domain of Pattern Mining and Knowledge Discovery, being of particular relevance for the sequential pattern mining and time-interval related pattern mining fields. In this thesis, a new efficient sequential pattern mining algorithm called VEPRECO is introduced, the contributions of which are: (i) a new representation, (ii) pre-pruning strategies and (iii) candidate selection policies which reduce the number of iterations of the algorithm. In this thesis, a new efficient algorithm for mining time interval patterns, called vertTIRP, has also been presented, combining an efficient representation of these patterns with a pairing strategy to accelerate the mining process. And finally, to open the door of mining of time interval patterns to multivariate time series, the TA4L algorithm has been introduced. TA4L transforms time series into interval-based sequences suitable for feeding time interval algorithms
Les contribucions d’aquesta tesi estan en el domini de la mineria de patrons i el descobriment del coneixement, sent de particular rellevància pels camps de mineria de patrons seqüencials i els patrons d’intervals temporals. En aquesta tesi, s’ha presentat un nou algoritme eficient de mineria de patrons seqüencials anomenat VEPRECO, les contribucions del qual són: (i) una nova representació, (ii) unes estratègies de prepoda i (iii) unes polítiques de selecció de candidats que redueixen el nombre d’iteracions de l’algoritme. En aquesta tesi, també s’ha presentat un nou algoritme eficient per minar patrons d’intervals temporals, denominat vertTIRP, el qual combina una representació eficient d’aquests patrons amb una estratègia d’aparellament per tal d’accelerar el procés de la mineria. I finalment, per obrir la porta de la mineria de patrons d’intervals temporals a sèries temporals multivariades, s’ha presentat l’algoritme TA4L. TA4L transforma sèries temporals en seqüències d’intèrvals aptes per alimentar algoritmes d’intervals temporals
Programa de Doctorat en Tecnologia
Format: application/pdf
Altres identificadors: http://hdl.handle.net/10803/672924
Accés al document: http://hdl.handle.net/10256/20243
Llenguatge: eng
Editor: Universitat de Girona
Drets: ADVERTIMENT. Tots els drets reservats. L’accés als continguts d’aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d’investigació i docència en els termes establerts a l’art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l’autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s’autoritza la seva reproducció o altres formes d’explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d’un lloc aliè al servei TDX. Tampoc s’autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
Matèria: Patrons d’intervals temporals
Patrones de intervalos temporales
Time interval related patterns
Mineria de patrons seqüencials
Minería de patrones secuenciales
Sequential pattern mining
Relacions temporals
Relaciones temporales
Temporal relations
Mineria de dades temporals
Minería de datos temporales
Temporal data mining
Seqüències d’intervals temporals
Secuencias de intervalos temporales
Time interval sequences
Abstracció temporal
Abstracción temporal
Temporal abstraction
004 - Informàtica
68 - Indústries, oficis i comerç d’articles acabats. Tecnologia cibernètica i automàtica
Títol: Efficient sequential and temporal pattern mining
Tipus: info:eu-repo/semantics/doctoralThesis
Repositori: DUGiDocs

Matèries

Autors