Índice para la comparación cualitativa de series temporales

Abstract

Las series temporales son conjuntos de datos complejos de una gran importancia. Aparecen en aplicaciones científicas, financieras, biológicas, estadísticas, , y como ejemplos de éstas se incluyen índices de precios de acciones, volúmenes de ventas de un producto, datos en telecomunicaciones, señales médicas unidimensionales o sucesiones de me didas medioambientales. Esta pequeña enumeración demuestra que en cualquier campo de aplicación se utilizan series temporales. Si bien el concepto de serie temporal, como un conjunto de valores para los que tiene relevancia el momento temporal en que cada uno de ellos ha sido registrado, es muy simple y todo el mundo puede recordar múltiples ejemplos prácticos, el tratamiento automatizado de estos datos presenta innumerables problemas. Este proyecto de tesis se centra en el problema de la comparación de series con la intención de proporcionar mecanismos que, haciendo uso de características cualitativas, permitan identificar el grado de parecido o similitud entre series. El estudio de los sistemas que evolucionan en el tiempo es un área de investigación muy actual y cómo puede entenderse fácilmente, la evolución de cualquier variable de uno de estos sistemas genera de forma directa una serie temporal. Una seria temporal contiene, en su versión más simple, una secuencia de número reales, cada número representado el valor de una magnitud en un instante de tiempo. Normalmente, estas series son almacenadas en bases de datos y es necesario desarrollar algoritmos para su análisis con la intención de poder extraer conocimiento de la infancia almacenada. El primer problema para el tratamiento de esa información viene dado por la dimensión de las bases de datos generadas que presentan tamaños que hacen complicado un procesamiento eficiente. Por otro lado puede considerarse que una serie temporal es un objeto complejo almacenado en la base de datos, siendo necesaria la definición de algoritmos que permita operar con estos objetos complejos de una forma imposible de abarcar con los algoritmos clásicos diseñados para bases de datos relacionados. Dentro de esta problemática de la manipulación de los datos almacenados el hecho de cuantificar el grado de similitud o disimilitud entre objetos es un tema de gran trascendencia para muchas aplicaciones de minería de datos, aprendizaje automático, Sin embargo, para estos objetos complejos ni la definición de qué se entiende por similitud es en ningún modo evidente y única. Una posibilidad poco utilizada hasta el momento es explotar la información obtenida desde un punto de vista cualitativo. La idea radica en abstraer la información puramente numérica por medio de la definición de características cualitativas que la representen.