{{:cap241:2018:curso_logo.png?700}}

===== Satellite Image Time Series Clustering using SOM ====

Essa página contém o material do minicurso "Satellite Image Time Series Clustering using SOM" ministrado no [[http://www.inpe.br/worcap/2018/|Worcap 2018]].  
  * Carga horária: 2 horas
  * Instrutores: Karine Reis Ferreira e Lorena Santos
  * Local: LIT - INPE
  * Data: 23 de Agosto de 2018

===== Material do curso =====

O curso será ministrado em 2 partes, uma teórica e outra prática. 
  * {{:cap241:2018:tsclusteringusingsom_teoria.pdf|Parte teórica}}
  * Parte prática 
  * {{:cap241:2018:script_dados_curso.zip|Download - R script e dados de séries temporais }} 

O acompanhamento da execução do script em R pode ser feito [[cap241:2018:rscript2|aqui]].
===== Parte prática: ambiente computacional =====

O curso terá uma parte prática utilizando R. Os inscritos devem trazer seus próprios notebooks com os seguintes softwares instalados:
  - [[https://www.rstudio.com/products/rstudio/download/|RStudio Desktop - versão >= 1.0.153]]
  - [[http://nbcgib.uesc.br/mirrors/cran/|R - versão >= 3.3.3]]

Depois de instalado o R e o RStudio, os seguintes pacotes do R devem ser instalados:
  - zoo
  - kohonen
  - dplyr
  - ggplot2
  - stats
  - proxy
  - dendextend
  - TSdist
  - dtw

Todos os pacotes estão disponíveis no CRAN e para instalá-los todos de uma vez utilize o comando abaixo: 

<code>
install.packages(c("zoo","kohonen","dplyr", "ggplot2", "stats", "proxy","dendextend","TSdist", "dtw"), dependencies = TRUE)
</code>


===== Referências Bibliográficas =====
  * **(Aghabozorgi et al. 2015)** Aghabozorgi, Saeed, Ali Seyed Shirkhorshidi, and Teh Ying Wah. "Time-series clustering–A decade review." Information Systems. 53 (2015): 16-38
  * **(Ding et al. 2008)** Ding, Hui, et al. "Querying and mining of time series data: experimental comparison of representations and distance measures." Proceedings of the VLDB Endowment 1.2 (2008): 1542-1552.
  * **(Esling and Agon, 2012)** Esling, Philippe, and Carlos Agon. "Time-series data mining." ACM Computing Surveys (CSUR) 45.1 (2012): 12.
  * **(Giogino, 2009)** Giorgino, Toni. "Computing and visualizing dynamic time warping alignments in R: the dtw package." Journal of statistical Software 31.7 (2009): 1-24.
  * **(Keogh and Lin, 2003)** Keogh, Eamonn, and Jessica Lin. "Clustering of time-series subsequences is meaningless: implications for previous and future research." Knowledge and information systems 8.2 (2005): 154-177.
  * **(Keogh and Ratanamahatana, 2005)**  Keogh, Eamonn, and Chotirat Ann Ratanamahatana. “Exact indexing of dynamic time warping” Knowledge and information systems 7.3 (2005): 358-386.
  * **(Mori et al. 2016)** Mori, Usue, Alexander Mendiburu, and Jose A. Lozano. "Distance measures for time series in R: The TSdist package." R J. 8 (2016): 451-459.
  * **(Samarasinghe, 2016)** Samarasinghe, Sandhya. “Neural networks for applied sciences and engineering: from fundamentals to complex pattern recognition.” Auerbach publications, (2016).