Your browser does not support JavaScript!

Αρχική    Feature selection architectures for human activity recognition  

Αποτελέσματα - Λεπτομέρειες

Προσθήκη στο καλάθι
[Προσθήκη στο καλάθι]
Κωδικός Πόρου 000414781
Τίτλος Feature selection architectures for human activity recognition
Άλλος τίτλος Αρχιτεκτονικές επιλογής χαρακτηρισικών για την αναγνώριση ανθρώπινης δραστηριότητας
Συγγραφέας Καραγιαννάκη, Αικατερίνη Ε.
Σύμβουλος διατριβής Τσακαλίδης, Παναγιώτης
Μέλος κριτικής επιτροπής Μούχταρης, Αθανάσιος
Laerhoven, Kristof Van
Περίληψη Η συνεχής εξέλιξη των τεχνολογιών αισθητήρων τις τελευταίες δεκαετίες έχει ως αποτέλεσμα την καθημερινή παραγωγή μεγάλων ροών δεδομένων, διαθέσιμων για επεξεργασία και ερμηνεία. Η απόδοση των συστημάτων Αναγνώρισης Ανθρώπινης Δραστηριότητας επηρεάζεται άμεσα από τον όγκο των παραγόμενων ακατέργαστων σημάτων, λόγω της συνεχούς ανάγκης για γρήγορες και ακριβείς προβλέψεις, ιδιαίτερα στην περίπτωση άμεσων/πραγματικού χρόνου εκτελέσεων. Οι τεχνικές Επιλογής Χαρακτηριστικών, ως αναπόσπαστο κομμάτι της αλληλουχίας τεχνικών Μηχανικής Μάθησης/Εξόρυξης Δεδομένων, έχουν αποδείξει την αποτελεσματικότητα τους στο να ελαττώνουν τον όγκο των διαθέσιμων ακατέργαστων ροών δεδομένων, όπως επίσης και στο να αφαιρούν τα περιττά δεδομένα, παρέχοντας στους αλγόριθμους ταξινόμησης διακρίνουσα πληροφορία για τα διαθέσιμα δεδομένα. Η εργασία αυτή ερευνά την επίδραση της Επιλογής Χαρακτηριστικών στον τομέα της Αναγνώρισης Ανθρώπινης Δραστηριότητας και υλοποιείται σε τρία στάδια. Κατά τη διάρκεια του πρώτου σταδίου αυτής της εργασίας, πραγματοποιούμε μια συγκριτική μελέτη ώστε να εκτιμήσουμε τις βέλτιστες παραμέτρους, την πειραματική διάταξη και τους κατάλληλους αλγόριθμους ώστε να ενσωματώσουμε την Επιλογή Χαρακτηριστικών σε εφαρμογές Αναγνώρισης Ανθρώπινης Δραστηριότητας. Αξιολογούμε την αλληλουχία μεθόδων για Απόκτηση Δεδομένων, Τμηματοποίηση, Εξαγωγή Χαρακτηριστικών και Επιλογή Χαρακτηριστικών χρησιμοποιώντας δύο διαφορετικά σύνολα δεδομένων για Αναγνώριση Ανθρώπινης Δραστηριότητας. Τα ευρήματα αυτής της μελέτης αναφέρουν ότι η χρήση μικρών παράθυρων στη διαδικασία της Τμηματοποίησης βελτιώνει την απόδοση της Ταξινόμησης επειδή τα εμπλεκόμενα σε κάθε παράθυρο δεδομένα χαρακτηρίζονται από λιγότερες κλάσεις. Όσον αφορά στην Επιλογή Χαρακτηριστικών, τα αποτελέσματα μας τονίζουν την αποδοτικότητα των μεθόδων χωρίς επίβλεψη που βασίζονται σε αναπαραστάσεις γράφων. Ο σκοπός του δεύτερου σταδίου αυτής της εργασίας είναι η μετάβαση σε εφαρμογές Αναγνώρισης Ανθρώπινης Δραστηριότητας άμεσης εκτέλεσης με την ενσωμάτωση των ευρημάτων της συγκριτικής μελέτης σε ένα αντίστοιχο περιβάλλον μέσω μιας εφαρμογής Android. Η διαδικασία Απόκτησης Δεδομένων πραγματοποιείται χρησιμοποιώντας μικρότερες παρτίδες δεδομένων αντί για ολόκληρα σύνολα δεδομένων, προσομοιώνοντας μια υπηρεσία παροχής συνεχών ροών δεδομένων. Μελετούμε διαφορετικά μεγέθη παρτίδων δεδομένων και παρατηρούμε την απόδοση διάφορων αλγόριθμων Επιλογής Χαρακτηριστικών στις διαμερίσεις δεδομένων που προκύπτουν, σε σχέση με τις διαθέσιμες ανθρώπινες δραστηριότητες. Πραγματοποιούμε επίσης μια ποιοτική ανάλυση στα επιλεγμένα χαρακτηριστικά και εξάγουμε πληροφορία η οποία σχετίζεται με τους κυρίαρχους τύπους δεδομένων που μεταφέρουν τα επικρατέστερα χαρακτηριστικά. Αξιολογούμε την απόδοση των ξεχωριστών μονάδων της εφαρμογής όσον αφορά στο χρόνο εκτέλεσης και μετράμε τη συνολική απαιτούμενη ενέργεια στην πλατφόρμα Android. Τα πειραματικά μας αποτελέσματα τονίζουν τη συνεισφορά των μικρών παρτίδων δεδομένων στην γρηγορότερη εκτέλεση των ξεχωριστών μονάδων και στην αποτελεσματικότητα των μεθόδων βασισμένων σε αναπαραστάσεις γράφων στην επιλογή επικρατέστερων Χαρακτηριστικών. Το τρίτο και τελικό στάδιο αυτής της εργασίας ερευνά τεχνικές και αρχιτεκτονικές για συγχώνευση δεδομένων στο επίπεδο των Χαρακτηριστικών. Επεκτείνουμε την Android βιβλιοθήκη Επιλογής Χαρακτηριστικών και συμπεριλαμβάνουμε μεθόδους που συγχωνεύουν δεδομένα βασισμένες σε δύο προσεγγίσεις, ένα σχήμα Ταξινόμησης άμεσης εκτέλεσης και μία Αρχιτεκτονική Επιλογής Χαρακτηριστικών, που λειτουργούν σε δύο στάδια. Το πρώτο στάδιο των δύο προσεγγίσεων περιλαμβάνει την εκτέλεση της αλληλουχίας των μεθόδων Μηχανικής Μάθησης σε δεδομένα που προέρχονται από διαφορετικές τοποθεσίες κόμβων αισθητήρων. Για το σχήμα Ταξινόμησης άμεσης εκτέλεσης τα επιλεγμένα Χαρακτηριστικά από κάθε τοποθεσία κόμβου αισθητήρων συγχωνεύονται σε ένα πίνακα Χαρακτηριστικών για την περαιτέρω επεξεργασία τους ως προς την Ταξινόμηση Ανθρώπινων Δραστηριοτήτων, στην Android συσκευή. Για την Αρχιτεκτονική Επιλογής Χαρακτηριστικών, προβαίνουμε σε ένα δεύτερο επίπεδο Επιλογής Χαρακτηριστικών χρησιμοποιώντας τον συγχωνευμένο πίνακα Χαρακτηριστικών που προέρχονται από διαφορετικές τοποθεσίες κόμβων αισθητήρων, εμπλουτισμένο με ζεύγη συσχετίσεων μεταξύ διαφορετικών τοποθεσιών κόμβων. Τα πειραματικά αποτελέσματα αυτής της μελέτης τονίζουν την αποτελεσματικότητα της αρχιτεκτονικής Επιλογής Χαρακτηριστικών στην παροχή υψηλής συμπίεσης στα δεδομένα με ελάχιστη επιβάρυνση σε υπολογιστικό χρόνο.
Φυσική περιγραφή viii, 76 σ. : σχεδ., πιν., εικ. (μερ. εγχρ.) ; 30 εκ.
Γλώσσα Αγγλικά
Θέμα Machine learning
Wearable devices
Μηχανική μάθηση
Φορητές συσκευές
Ημερομηνία έκδοσης 2018-03-23
Συλλογή   Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης
  Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης
Εμφανίσεις 29

Ψηφιακά τεκμήρια
No preview available

Προβολή Εγγράφου
Εμφανίσεις : 1