fa 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 قدرت Power پژوهشي Research <span dir="RTL">این پژوهش به </span><span dir="RTL">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<strong>(</strong></span>svm<strong><span dir="RTL">)</span></strong><span dir="RTL"> ، سوم: انتخاب بهترین کرنل وقانون</span> <span dir="RTL">آموزش </span>svm<span dir="RTL">&nbsp; با استفاده از الگوریتم بهینه ازدحام داده ای<strong>(</strong></span>pso<strong><span dir="RTL">)</span></strong><span dir="RTL"> و در نهایت تشکیل الگوی نهایی برای ذخیره در پایگاه داده ای سیستم مدیریت ساختمان انجام شد.</span> This study detects the activity of disabled people living in smart homes based on monitoring their behavior and desires to achieve the final model and store it in the database of the building management system for decision making and automatic operation of equipment used to meet the needs of residents. First, a suitable set of sensors are installed to record and process data correctly in different parts of the building and some to control vital signs depending on the type of disability are installed on the body. . First: selecting sensors and implementing recording techniques, and focusing on the major activities of people with disabilities in smart homes, second: classifying and processing the data collected using the support vector machine (svm) algorithm; svm was performed using the optimal data congestion algorithm (pso) and finally the final pattern for storage in the building management system database.<strong><span dir="RTL"></span></strong> نظارت بر فعالیت انسان های کم توان, زندگی مستقل, ماشین بردار پشتیبان(svm ), الگوریتم بهینه ازدحام داده ای (pso )- تشگیل الگوی نهایی Monitoring the activities of disabled people, independent living, support vector machine (svm), optimal data congestion algorithm (PSO) - final pattern formation 93 99 http://jiaeee.com/browse.php?a_code=A-10-2183-1&slc_lang=fa&sid=1 alireza rezaee علیرضا رضائی arrezaee@ut.ac.ir 100319475328460011446 100319475328460011446 Yes Department of Mechatronics Engineering, Faculty of new Sciences and Technologies, University of Tehran گروه مهندسی مکاترونیک و ریز فناوری- دانشکده علوم و فنون نوین- دانشگاه تهران behnam moradi بهنام مرادی behnam.pee@yahoo.com 100319475328460011447 100319475328460011447 No Department of Mechatronics Engineering, Faculty of new Sciences and Technologies, University of Tehran گروه مهندسی مکاترونیک و ریز فناوری- دانشکده علوم و فنون نوین- دانشگاه تهران