Agrupamiento Espectral y Clasificación de Series de Tiempo Largas

Resumen El agrupamiento es un método de asignación de puntos de datos en varios grupos, conocidos como clústeres, basado en la similitud. La noción de expresar la similitud matemáticamente y luego maximizarla (minimizar la disimilitud) puede formularse como un problema de optimización. El agrupamiento espectral es un ejemplo de este enfoque al agrupamiento, y se ha aplicado con éxito a la visualización del agrupamiento y la asignación de puntos a clústeres en dos y tres dimensiones. Los problemas de mayor dimensión permanecieron sin tocar debido a la complejidad y, lo más importante, la falta de comprensión de lo que significa “similitud” en dimensiones superiores. En este documento, aplicamos el agrupamiento espectral a datos de EEG (electroencefalograma) de series de tiempo largas. Desarrollamos varios modelos, basados en diferentes funciones de similitud y diferentes enfoques para el agrupamiento espectral en sí. Los resultados del experimento numérico demuestran que los modelos creados son precisos y pueden usarse para la clasificación de series de tiempo.