Mostrar el registro sencillo del ítem

dc.contributor.advisorGonzáles Castellanos, Mabel
dc.contributor.advisorRodríguez Sarabia, Yanet
dc.contributor.authorSoto Valero, César
dc.coverage.spatial1016432en_US
dc.date.accessioned2015-09-07T22:14:24Z
dc.date.available2015-09-07T22:14:24Z
dc.date.issued2013-07-06
dc.identifier.urihttp://dspace.uclv.edu.cu:8089/handle/123456789/1935
dc.description.abstractLas series temporales permiten describir una gran variedad de fenómenos que transcurren a lo largo del tiempo. Los modelos que realizan análisis de series temporales usando técnicas de minería de datos son capaces de resolver múltiples problemas, superando las limitaciones de los métodos estadísticos tradicionales. Weka es un poderoso sistema de aprendizaje automatizado, sin embargo, ofrece muy pocas posibilidades para el trabajo con series temporales. En el presente Trabajo de Diploma se diseña e implementa un paquete para Weka, con herramientas desarrolladas especialmente para la clasificación de series temporales. Dichas herramientas son: una función de distancia basada en DTW, un algoritmo de búsqueda de vecinos más cercanos para kNN y un filtro para la reducción de la numerosidad de series temporales. Además, se aborda el problema del pronóstico de precipitaciones aplicando técnicas de minería de datos a las salidas numéricas del modelo global GFS.en_US
dc.description.abstractTime series can describe a variety of events that take place over time. The model that analyzes time series using data mining techniques is able to solve a lot of problems. This is because time series data minning model overcoming the limitations of traditional statistical methods. Weka is a powerful machine learning system, however, offers very few possibilities for working with time series data. In this work is designed and implemented a new package for Weka with tools developed especially for the classification of time series. Such tools include a distance function based on DTW, a nearest neighbor search algorithm for kNN and a filter for reducing numerosity. Also, it focuses the issue of applying data mining techniques to rainfall forecast problem using the numerical outputs of GFS global model.en_US
dc.description.sponsorshipFacultad de Matemática, Física y Computación. Departamento de Inteligencia Artificial.en_US
dc.language.isoesen_US
dc.publisherUniversidad Central "Marta Abreu" de Las Villasen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. El autor o autores conservan los derechos morales que como tal le son reconocidos por la Legislación vigente sobre Derecho de Autor. Los distintos Usuarios podrán copiar, distribuir, comunicar públicamente la obra y hacer obras derivadas; bajo las condiciones siguientes: 1. Reconocer y citar al autor original. 2. No utilizar la obra con fines comerciales. 3. No realizar modificación alguna a la obra. 4. Compartir aquellos productos resultado del uso de la obra bajo la misma licencia de esta. Los Usuarios pueden reutilizar los metadatos en cualquier medio sin autorización previa, siempre que los propósitos de su utilización sean sin ánimo de lucro y se provea el Identificador OAI, un enlace al registro de metadatos original, o se haga referencia al repositorio de donde han sido extraídos.en_US
dc.subjectMinería de Datosen_US
dc.subjectSeries Temporalesen_US
dc.subjectWekaen_US
dc.subjectPronóstico de Precipitacionesen_US
dc.subjectPaqueteen_US
dc.subjectClasificaciónen_US
dc.subjectDTWen_US
dc.subjectGFSen_US
dc.titleMinería de datos para series temporales en Weka y su aplicación en el pronóstico de precipitacionesen_US
dc.typeThesisen_US
dc.description.statusnon-publisheden_US
dc.type.thesisbacheloren_US


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem


Theme by 
@mire NV