دوره ۲۰، شماره ۴ - ( مجله مهندسی برق و الکترونیک ایران - جلد ۲۰ شماره ۴ ۱۴۰۲ )
جلد ۲۰ شماره ۴ صفحات ۹۹-۹۳ |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
rezaee A, moradi B. Identify the needs of people with disabilities to form a behavioral model for the automatic operation of smart homes with methods based on support vector machine. Journal of Iranian Association of Electrical and Electronics Engineers 2023; 20 (4) :93-99
URL: http://jiaeee.com/article-1-1236-fa.html
URL: http://jiaeee.com/article-1-1236-fa.html
رضائی علیرضا، مرادی بهنام. شناسایی نیازهای انسان های کم توان براساس نیازها جهت تشکیل الگوی رفتاری برای عملکرد اتوماتیک خانه های هوشمند با روشهای مبتنی بر ماشین بردار پشتیبان. نشریه مهندسی برق و الکترونیک ایران. ۱۴۰۲; ۲۰ (۴) :۹۳-۹۹
گروه مهندسی مکاترونیک و ریز فناوری- دانشکده علوم و فنون نوین- دانشگاه تهران
چکیده: (۱۳۶۱ مشاهده)
این پژوهش به تشخیص فعالیت انسان های کم توان ساکن در خانه‌های هوشمند بر اساس نظارت بر رفتار و خواسته های آنها برای دستیابی به الگوی نهایی و ذخیره آن در پایگاه داده ای سیستم مدیریت ساختمان جهت تصمیم گیری و عملکرد اتوماتیک تجهیزات در رفع نیازهای ساکنین بکار گرفته شد. ابتدا مجموعه‌ای مناسبی از حسگرها جهت ثبت وپردازش صحیح داده‌ها در قسمت های مختلف ساختمان و تعدادی نیز جهت کنترل علایم حیاتی بسته به نوع ناتوانی روی بدن فرد نصب می شوند.هدف از این تحقیق تشخیص و طبقه بندی فعالیت انسانهای کم توان در سه مرحله می باشد. اول: انتخاب سنسورها و اجرای تکنیک های ثبت، و تمرکز بر عمده فعالیت افرادکم توان درخانه های هوشمند، دوم: طبقه بندی و پردازش داده های جمع آوری شده با استفاده از الگوریتم ماشین بردار پشتیبان(svm) ، سوم: انتخاب بهترین کرنل وقانون آموزش svm با استفاده از الگوریتم بهینه ازدحام داده ای(pso) و در نهایت تشکیل الگوی نهایی برای ذخیره در پایگاه داده ای سیستم مدیریت ساختمان انجام شد.
واژه‌های کلیدی: نظارت بر فعالیت انسان های کم توان، زندگی مستقل، ماشین بردار پشتیبان(svm )، الگوریتم بهینه ازدحام داده ای (pso )- تشگیل الگوی نهایی
چکیده مبسوط [PDF 259 KB] (34 دریافت)
فهرست منابع
1. [1] Alam, M.R.; Reaz, M.B.I.; Ali, M.A.M. A review of smart homes-Past, present, and future.IEEE Trans. Syst. Man Cybern. C Appl. Rev. 2012, 42, 1190-1203. [DOI:10.1109/TSMCC.2012.2189204]
2. [2] Anthony Fleury, Member, IEEE, Michel Vacher, and Norbert Noury, Senior Member, IEEE," SVM-Based Multimodal Classification of Activities of Daily Living in Health Smart Homes: Sensors, Algorithms, and First Experimental Results", 1089-7771/$26.00 © 2009 IEEE
3. [3] Qin Ni *, Ana Belén García Hernando † and Iván Pau de la Cruz †,"The Elderly's Independent Living in Smart Homes:A Characterization of Activities and Sensing Infrastructure Survey to Facilitate Services Development", Sensors 2015 ,15,11312-11362; doi:10.3390/s150511312 [DOI:10.3390/s150511312]
4. [4] M. Philipose, K. P. Fishkin, M. Perkowitz, D. J. Patterson, D. Fox, H. Kautz, and D. Hahnel, "Inferring activities from interactions with objects,"IEEE Pervasing Comput., vol. 3, no. 4, pp. 50-57, Oct. 2004 [DOI:10.1109/MPRV.2004.7]
5. [5] Mickey E Abraham "Smart wearable body sensors for patient self-assessment and monitoring ",2014 Aug 22
6. [6] Peetoom, K.K.; Lexis, M.A.; Joore, M.; Dirksen, C.D.; De Witte, L.P. Literature review onmonitoring technologies and their outcomes in independently living elderly people. Disabil. Rehabil,Assist. Technol. 2014 , 9, 1-24.
7. [7] Bulling, A.; Blanke, U.; Schiele, B. A tutorial on human activity recognition using body-worn inertial sensors. ACM Comput. Surv. 2014, 46, 33:1-33:33 [DOI:10.1145/2499621]
8. [8] Carme Zambrana_, Xavier Rafael-Palou, Eloisa Vargiu, EURECAT, eHeath Department, Barcelona,Spain "Sleeping recognition to assist elderly people at home" January 29, 2016. [DOI:10.5430/air.v5n2p64]
9. [9] Umberto Papa, Giuseppe Del Core Department of Science and Technology
10. University Parthenope", Naples, Ital of Naples ","Obstacle Detection and Ranging Sensor Integration for a Small Unmanned Aircraft Syste" 978-1-5090-4234-0/17/$31.00 ©2017 IEEE.
11. [10] Milos Drutarovsky*, Dusan Kocur*, Maria Svecova* and Nuno M. Garcia
12. *Technical University of Kosice," Real-Time Wireless UWB Sensor Networ for Person Monitoring" 978-953-184-223-5, June 28-30, 2017, Zagreb, Croatia.
13. [11] Claudio M. de Farias, Luci Pirmez, Fl'avia C. Delicato, Paulo F. Pires PPGI - UFRJ "A Multisensor Data Fusion Algorithm Using the Hidden Correlations in Multiapplication wireless sensor Data Streams" 978-1- 5090-4429- 0/17/$31.00 2017 IEEE.
14. [12] Gustavo Herna'ndez-Pen˜aloza, Alberto Belmonte-Herna'ndez, Marcos Quintana, Federico A' lvarez" A Multi-sensor Fusion Scheme to Increase Life Autonomy of Elderly People with Cognitive Problems", 10.1109/ACCESS. 2017 .2735809, IEEE Access. [DOI:10.1109/ACCESS.2017.2735809]
15. [13] F. Rosenblatt, "The perceptron: A probabilistic model for information storage and organization in the brain," Psychol. Rev., vol. 65, no. 6, pp. 386-408, 1958. [DOI:10.1037/h0042519]
16. [14] B. E. Boser, I. M. Guyon, and V. N. Vapnik, "A training algorithm for optimal margin classifiers," in Proc. 5th Annu. Workshop Comput. LearningTheory, Pittsburgh, PA: ACM, 1992, pp. 144-152. [DOI:10.1145/130385.130401]
17. [15] A. Stolcke, S. Kajarekar, and L. Ferrer, "Nonparametric feature normalization for svm-based speaker verification," in Proc. ICASSP 2008, pp. 1577-1580. [DOI:10.1109/ICASSP.2008.4517925]
18. [16] B. Heisele, P. Ho, and T. Poggio, "Face recognition with support vector machines: Global versus component-based approach," in Proc. Int.Conf. Comput. Vis. (ICCV), Vancouver, Canada, 2001, vol. 2, pp. 688-694. [DOI:10.21236/ADA459707]
19. [17] T. M. Huang and V. Kecman, "Gene extraction for cancer diagnosis by support vector machines-an improvement," Artif. Intell. Med., vol. 35,pp. 185-194, 2005. [DOI:10.1016/j.artmed.2005.01.006]
20. [18] C. J. C. Burges, "A tutorial on support vector machines for pattern recognition,"Data Mining Knowl. Discov., vol. 2, no. 2, pp. 121-167, 1998. [DOI:10.1023/A:1009715923555]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
