Descubrimiento de patrones secuenciales utilizando razonamiento lógico temporal
Fecha
2012-02-08
Tipo
tesis de maestría
Autores
Solano Rojas, Braulio José
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Los datos secuenciales pueden ser recolectados en muchas aplicaciones
como registros de ventas, bolsa de valores, registros médicos de
pacientes, bases de datos en geofísica y astronomía, entre otras aplicaciones.
Tales bases de datos incorporan la dimensión de tiempo que describe
cuando ocurren eventos. La naturaleza temporal de los datos brinda
un mejor entendimiento de las tendencias o patrones en el tiempo con
el fin de encontrar relaciones entre eventos. Es posible combinar este
hecho con bases teóricas que han sido desarrolladas por la filosofía, la
matemática y las ciencias de la computación, tal como la lógica modal
temporal. Sin embargo, los algoritmos existentes en descubrimiento de
patrones secuenciales no utilizan el formalismo de la lógica temporal.
Por ello, se desarrolla un método para descubrir relaciones temporales
entre eventos en datos secuenciales utilizando la lógica temporal como
base teórica.
Así, se describe un modelo de descubrimiento de patrones secuenciales
en el cual se incorpora la lógica temporal modificando el algoritmo
Patrones Secuenciales Generalizados (GSP, por sus siglas en inglés). Se implementa
el modelo por medio de una combinación de componentes de
código abierto, además de la programación del algoritmo que incorpora
la lógica temporal. Se realiza un estudio de eficacia sobre un conjunto
de datos artificial y los resultados muestran la eficacia del modelo propuesto.
Descripción
Palabras clave
Minería de datos, Patrones secuenciales, Programación lógica, Lógica temporal, Aprendizaje de máquinas