کنترل هوشمند سلامت شهروندان به کمک روش یادگیری با نظارت ماشین بردار پشتیبان

با گسترش روز افزون استفاده از تلفن های هوشمند زمینه های مختلفی در جهت ارائه خدمات به شهروندان ایجاد شده است. سیستم تشخیص فعالیت یکی از مهمترین خدمات مورد بررسی در زمینه سلامت شهروندان میباشد که با گسترش تلفن های هوشمند بیشتر مورد توجه قرار گرفته است. در این سیستم فعالیتهای روزانهی کاربر با استفاده از سنسورهای ویدئویی، محیطی و سنسورهای پوشیدنی نظیر تلفن هوشمند تشخیص داده میشود. این فعالیتها شامل راهرفتن، دویدن، ایستادن، خوابیدن، غذا خوردن، حمام کردن و نظایر آنها است. در این نوشتار سعی در تشخیص فعالیت انسان از روی سنسورهای تعبیه شده در تلفنهای هوشمند داریم. باتوجه به اینکه ویژگیهای زیادی را میتوان از اینگونه سنسورها بدست آورد، نیاز به روشهایی برای کاهش ویژگی باهدف کاهش پیچیدگی محاسباتی و شناسایی سنسورهای مؤثر احساس میشود که ما از روشهای انتخاب و استخراج ویژگی برای کاهش ابعاد در مسئلهی تشخیص فعالیت استفاده نموده و این روشها را در مجموعه دادههای مختلفی آزموده و نتایج را ارائه دادهایم. معیار ما برای اینکه مفید بودن ویژگیها را اندازهگیری نماییم، خطایی است که در نتیجهی یادگیری مجموعهداده با ویژگیهای کاهش یافته بدست میآید. در این نوشتار از ماشین بردار پشتیبان و )یک یادگیر دیگر( برای تشخیص فعالیت پس از کاهش ابعاد استفاده میگردد. پس از بهبود عملکرد سیستم تشخیص فعالیت، می توان با داده های بدست آمده یک سیستم پیشنهاد دهنده در جهت کنترل هوشمند وضعیت سلامت شهروندان ارائه کرد.

کلیدواژه ها:

تشخیص فعالیت ، سلامت هوشمند ، کاهش ابعاد ، یادگیری ماشین ، شبکهی سنسور ، تلفنهای هوشمند