Classificação semissupervisionada de séries temporais extraídas de imagens de satélite

Resumo

Nos últimos anos, com o crescimento na geração e armazenamento de dados, houve um aumento na necessidade de criação e gerenciamento de grandes bases de dados. Em especial, bases de séries temporais têm sido frequentemente utilizadas em áreas como medicina, economia e agrometeorologia. Nesse contexto, a aplicação de técnicas computacionais adequadas para obtenção de padrões úteis em tais bases de dados, como mineração de dados, é uma tarefa de interesse. Uma das tarefas mais exploradas, em mineração de dados, é a classificação. Entretanto, em geral, em bases de séries temporais, a quantidade e complexidade de dados extrapolam a capacidade humana de análise de forma manual, o que torna o processo de supervisão dos dados muito custoso. Como resultado disso, obtém-se uma porção de dados supervisionados muito reduzida, em comparação a um grande volume de dados desconhecidos. Nesse cenário, uma abordagem adequada é a de classificação semissupervisionada, que considera tanto dados rotulados quanto não rotulados. Nesse contexto, este projeto de mestrado tem por objetivo desenvolver uma solução de classificação semissupervisionada de séries temporais, explorando as abordagens baseadas na combinação de métodos de agrupamento e classificação de dados, e abordagens baseadas em grafos. A solução desenvolvida será aplicada na análise de séries temporais de índices de vegetação obtidas de imagens de satélite, referentes a áreas de plantio agrícola. O objetivo desse estudo é a identificação de áreas de plantio de cana-de-açúcar ao longo da última década, no Brasil. Portanto, pretende-se que os resultados obtidos neste trabalho de mestrado contribuam para a área de mineração de séries temporais e para pesquisas em agrometeorologia.