Ontology-based feature generation to improve accuracy of activity recognition in smart environments

در سال های اخیر، بسیاری از تکنیک ها برای به رسمیت شناختن خودکار فعالیت های زندگی روزانه از داده های حسگر خانه هوشمند پیشنهاد شده است. با این حال، طبقه بندی ها معمولا از ویژگی های ایجاد شده به طور خاص استفاده می کنند. در این کار، استفاده از هستی شناسی ها برای نسل کامل این ویژگی ها پیشنهاد شده است. این فرایند شامل تبدیل مجموعه داده های اصلی به هستی شناسی است و سپس تمام مفاهیم و روابط موجود در آن هستی را برای به دست آوردن عبارات مربوطه کلاس ترکیب می کند. فرمالیته بالایی از هستی شناسان به ما امکان می دهد فضای جستجو را با حذف بسیاری از عبارات بی معنی مانند بیان های متناقض یا نامطلوب کاهش دهیم. سپس عبارات کلاس مربوطه به عنوان ویژگی های طبقه بندی ها برای ساختن مدل طبقه بندی استفاده می شود. برای تایید پیشنهاد ما، به عنوان مرجع نتایج حاصل از چهار الگوریتم طبقه بندی متفاوت که از ویژگی های رایج ترین استفاده شده استفاده می کنند.