Sensor-based adaptive activity recognition with dynamically available sensors

یک سیستم شناسایی فعالیت اساسا پردازش داده های حسگر خام را پردازش می کند و آنها را به کلاس های فعالیت پنهان منتقل می کند. اکثر سیستم های قبلی با تکنیک های یادگیری نظارت شده و منابع داده شده از پیش تعیین شده ساخته شده و به مدل های استاتیک منجر می شوند. با این حال، در محیط های واقعی و پویا، منابع اصلی داده ها ممکن است خراب شوند و منابع داده جدید در دسترس قرار می گیرند؛ یک سیستم تشخیص فعالیت قوی باید بتواند به طور خودکار با تکامل حسگرهای پویا در محیط های پویا قادر به انجام تکامل باشد. در این مقاله، ما روش هایی را پیشنهاد می کنیم که به طور خودکار منابع داده پویا را برای تطبیق و اصلاح سیستم شناسایی در زمان اجرا پیشنهاد می کنند. این سیستم بر اساس طبقه بندی های دسته ای ساخته شده است که می تواند به طور خودکار ویژگی هایی را با بیشترین قدرت تشخیصی انتخاب کند. نتایج تجربی گسترده با مجموعه داده های قابل دسترس نشان دهنده اثربخشی روش های ما است.