استفاده از تکنیک های مشابهت رشته ای برای تشخیص فعالیت های روزانه در خانه های مجهز به شبکه‌ی حسگر دودویی

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشگاه اراک

10.22052/scj.2022.243385.1033

چکیده

در سیستم هایی که افراد در فعالیت های روزانه خود به مراقبت ویژه نیاز دارند، الگوریتم های تشخیص فعالیت انسانی کاربرد دارند. روش‌های مختلف یادگیری ماشین، از جمله مدل مخفی مارکوف و روش‌های مرتبط به آن، به طور گسترده‌ای برای حل مسأله‌ی تشخیص فعالیت انسانی استفاده شده‌اند. در کارهای قبلی، روش های مبتنی بر مدل مخفی مارکوف از فرض استقلال شرطی برای محاسبه احتمال مشاهدات استفاده شده است. در این تحقیق، به جای فرض استقلال شرطی،یک مدل احتمالی جدید برای فضای رشته ها، بر اساس تاب خوردگی زمان پویا و فاصله لونشتاین وزنی پیشنهاد شده است. مدل احتمالی پیشنهادی، که با یک مدل مخفی شبه مارکف ترکیب شده، روی یکی ازمجموعه داده‌های در دسترس اعمال می شود. نتایج حاصله نشان‌ می دهد که استفاده از این مدل پیشنهادی دقت شناسایی فعالیت‌های روزانه را به میزان قابل توجهی اقزایش می‌دهد. کلیه کدها و داده‌ها از طریق این لینک در دسترس هستند: github.com/ashnik1353

کلیدواژه‌ها


عنوان مقاله [English]

string similarity techniques to detect activity daily life in smart homes equipped with a binary sensor network

نویسندگان [English]

  • Mohsen Rahmani
  • Ashkan Nikaiin
Arak University
چکیده [English]

Human activity recognition can be employed in systems that provide support to people who need special care in their daily activities. Various machine learning methods, including Hidden Markov Models and their extensions, are widely used to deal with this problem. In the previous works, HMM-based methods use the conditional independent assumption to compute the probability of a segment of observations. In this research, instead of conditional independent assumption, a new probabilistic model for string space, based on Dynamic Time Warping and Weighted Levenstein Distance is proposed. The model, combined with the Hidden semi Markov Model, is applied to a publicly available dataset. The results show considerable improvements in comparison with using the Hidden semi Markov Model independently. The proposed models are flexible and can work together with other probabilistic models.

کلیدواژه‌ها [English]

  • activity recognition
  • hidden semi Markov model
  • string dissimilarity
  • Weighted Levenstein Distance
  • Dynamic Time Warping
  • تاریخ دریافت: 05 دی 1400
  • تاریخ بازنگری: 28 خرداد 1401
  • تاریخ پذیرش: 12 مهر 1401
  • تاریخ اولین انتشار: 12 مهر 1401