hrvatski

Automatizirano prepoznavanje aktivnosti iz podataka prikupljenih akcelerometrom

U radu su se razvijali i testirali modeli za predikciju aktivnosti. Aktivnosti koje su se analizirale su: sjedenje za računalom, stajanje, hodanje i kretanje gore/dolje po stepenicama, stajanje i pričanje i hodanje i pričanje, te zasebno stajanje i hodanje. Bilo je potrebno napraviti dubinsku analizu podataka kako bi se postigla što veća točnost kod predikcije aktivnosti. Prije nego što se moglo početi sa razvojem modela predikcije aktivnosti bilo je potrebno obaviti pripremnu obradu podataka koja je obuhvaćala računanje 6 osnovnih metrika, a to su: srednja vrijednost, standardna devijacija, prosječna apsolutna razlika između vrijednosti, prosječna akcelerancija, zatim vrijeme između vrhova, te binomna distibucija. Kada se sve izračuna na kraju dobivene su 43 metrike. Metrike su računate za podatke pripremljene na 4 načina. Razlika u pripremi je bila u veličini okvira. Korišteni su okviri od 5, 10, 15 i 20 sekundi. Nakon što su izračunate metrike podaci su spremni za obradu. Nadalje, korištena su 4 modela učenja, a to su: slučajna šuma, stablo odluke, logistička regresija i višeslojni perceptron. Za testiranje korištena je 10- dijelna unakrsna provjera. Na kraju najbolje rezulate te dao korišteni algoritam nasumična šuma kada je veličina okvira bila 15 sekundi. Isti algoritam se koristio i za predikciju korisnika, te je također dao bolje rezultate od ostalih algoritama.

detekcija aktivnosti; akcelerometar; strojno učenje

nije evidentirano