André Gustavo Maletzke,  Gustavo E. A. P. A Batista,  Huei Diana Lee,  Feng Chung Wu. 

Um dos grandes desafios em aprendizado de máquina é a integração de dados temporais ao processo de mineração de dados. Todavia, existe uma carência por métodos capazes de induzir conhecimento simbólico e inteligível a partir desses dados, implicando que sejam tratados de maneira adhoc. Neste trabalho é proposta uma metodologia para extração de conhecimento de séries temporais, por meio da extração de características e da identificação de motifs buscando construir modelos, principalmente simbólicos, mais precisos e compreensíveis. É utilizado também um método que demanda menor esforço computacional para a identificação de motifs. Os resultados foram significativamente melhores em relação a uma das abordagens comumente utilizada.

http://www.lbd.dcc.ufmg.br/colecoes/enia/2009/002.pdf

Processando consulta.