Resumen

La completación de valores faltantes es un problema prevalente en muchos dominios de reconocimiento de patrones y procesamiento de señales. Analizar datos con incompletitud puede llevar a una pérdida de precisión y resultados poco confiables, especialmente para grandes subsecuencias faltantes. Por lo tanto, este documento tiene como objetivo presentar un nuevo enfoque para completar valores faltantes sucesivos en series temporales multivariadas bajas/no correlacionadas que permitan gestionar un alto nivel de incertidumbre. De esta manera, proponemos utilizar una nueva medida de similitud basada en ponderaciones difusas. El método propuesto implica tres pasos principales. En primer lugar, para cada señal incompleta, los datos antes de un vacío y los datos después de este vacío se consideran como dos series temporales de referencia separadas con sus respectivas ventanas de consulta y . Luego encontramos la subsecuencia más similar () a la subsecuencia antes de este vacío y la más similar () a la subsecuencia después del vacío. Para encontrar estas ventanas similares, construimos una nueva medida de

• Materias:Ecuaciones integrales Función Beta Número cromático Formulación de superficies Funciones aritméticas
• Subjects:Integral equations Beta function Chromatic number Formulation of surfaces Arithmetic functions
• Palabras claves:Valores faltantes; Reconocimiento de patrones; Procesamiento de señales; Datos incompletos; Series temporales multivariadas; Ponderación difusa
• Keywords:Missing values; Pattern recognition; Signal processing; Incomplete data; Multivariate time series; Fuzzy weighting