Efficient sequential and temporal pattern mining
Text Complet
Compartir
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
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.
Localització