On time series clustering techniques with applications in healthcare systems

Σκοπός αυτής της εργασίας είναι να παρουσιάσει μεθόδους Συσταδοποίησης Χρονοσειρών και ειδικότερα τον τρόπο με τον οποίο μπορούν να εφαρμοστούν στα συστήματα υγείας. Θα περιγράψουμε μεθόδους για την Συσταδοποίηση και θα δούμε πώς τα μέτρα ομοιότητας επηρεάζουν τις στατιστικές διαδικασίες. Μια από τις σημαντικότερες συνεισφορές της διατριβής αυτής είναι η ανάπτυξη δύο νέων μέτρων, την Αιτιότητα εντός των ομάδων (CAWG) και Αιτιότητα μεταξύ των ομάδων (CABG) που και οι δύο βασίζονται στην γνωστή Αιτιότητα κατά Granger.The purpose of this Thesis is to present and discuss Time Series Clustering Techniques and explore how these techniques can be applied to health systems. We will describe various methods for Clustering and see how similarity measures affect the statistical procedures. One of the contributions of the Thesis is the development of two new Distance Measures, called Causality Within Groups (CAWG) and Causality Between Groups (CABG) both of which are based on the well-known Granger Causality