Oluşturulan desenler 10 farklı makine öğrenmesi yöntemi ile test edilmiş ve performansları karşılaştırılmıştır.
📌 3 Maddede Bu Makale
🎯
Amaç & Hipotez:Giyilebilir teknolojideki gelişmelerle birlikte ortaya çıkan cihazlar hızla gündelik hayatın bir parçası haline gelmiştir.
📊
Temel Bulgular & Veri:Geliştirilen uygulama ile 9 farklı insan hareketi için algılayıcı verileri akıllı saat aracılığı ile toplanmış ve 4 saniyelik pencere aralıkları ile desenler oluşturulmuştur.
💡
Sonuç & Katkı:Oluşturulan desenler 10 farklı makine öğrenmesi yöntemi ile test edilmiş ve performansları karşılaştırılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Hareket sınıflandırma · Akıllı saat · İvmeölçer
Özet
Giyilebilir teknolojideki gelişmelerle birlikte ortaya çıkan cihazlar hızla gündelik hayatın bir parçası haline gelmiştir. Özellikle sahip oldukları algılayıcılar, bu cihazların kullanışlılığını artırmaktadır. Bu çalışmanın amacı, akıllı saatlerin sahip olduğu algılayıcılar kullanılarak insan hareketlerinin tespit edilmesidir. Bu amaçla, akıllı saatler üzerinde çalışabilen bir mobil uygulama geliştirilmiştir. Geliştirilen uygulama ile 9 farklı insan hareketi için algılayıcı verileri akıllı saat aracılığı ile toplanmış ve 4 saniyelik pencere aralıkları ile desenler oluşturulmuştur. Oluşturulan desenler 10 farklı makine öğrenmesi yöntemi ile test edilmiş ve performansları karşılaştırılmıştır.
BALLI, S., SAĞBAŞ, E. A. (2017). Akıllı Saat Algılayıcıları ile İnsan Hareketlerinin Sınıflandırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 21 - Sayı: 3, 980–990. https://ajindex.com/articles/310158
Sağbaş, E.A., Ballı, S. 2016. Giyilebilir Akıllı Cihazlar: Dünü, Bugünü ve Geleceği, Akademik Bilişim Konferansı, 3-5 Şubat, Aydın, Baskıda
Su, X., Tong, H., Ji, P. 2014. Activity Recognition with Smartphone Sensors. Tsinghua Science and Technology, 19(3), 235-249
Khan A.M., Lee Y.K., Kim T.S. 2008. Accelerometer signal-based human activity recognition using augmented autoregressive model coefficients and artificial neural nets. Engineering in Medicine and Biology Society, 5172-5175
Yang, J.Y., Wang, J.S. ve Chen, Y.P. 2008. Using acceleration measurements for activity recognition: An effective learning algorithm for constructing neural classifiers. Pattern recognition letters, 29(16), 2213-2220
Riboni D., Bettini C. 2011. COSAR: hybrid reasoning for context-aware activity recognition. Personal and Ubiquitous Computing, 15(3), 271-289
Sağbaş, E.A., Ballı, S. 2016. Akıllı Telefon Sensör Verileri ile Eylem Tanımada Lojistik Regresyon ve kNN Yöntemlerinin Karşılaştırılması, 1st International Conference on Engineering Technology and Applied Science, 21-22 April, Afyonkarahisar, 894-899
Chernbumroong S., Atkins A.S., Yu H. 2011. Activity classification using a single wrist-worn accelerometer. In Software, Knowledge Information, Industrial Management and Applications, 1-6
Kwapisz J.R., Weiss G.M. ve Moore, S.A. 2014. Activity recognition using cell phone accelerometers. ACM SigKDD Explorations Newsletter, 12(2), 74-82
Lara, O.D., Pérez A.J., Labrador M.A., Posada J.D. 2012. Centinela: A human activity recognition system based on acceleration and vital sign data. Pervasive and mobile computing, 8(5), 717-729. [10] da Silva F. G., Galeazzo E. 2013. Accelerometer based intelligent system for human movement recognition. In Advances in Sensors and Interfaces, 20-24
Dadashi, F., Arami, A., Crettenand, F., Millet, G. P., Komar, J., Seifert, L., Aminian, K. 2013 A hidden Markov model of the breaststroke swimming temporal phases using wearable inertial measurement units. In Body Sensor Networks, 6-9 May, MIT, Cambridge, USA, 1-6
Mortazavi, B. J., Pourhomayoun, M., Alsheikh, G., Alshurafa, N., Lee, S. I., Sarrafzadeh, M. 2014 Determining the single best axis for exercise repetition recognition and counting on smartwatches. In Wearable and Implantable Body Sensor Networks, 16-19 Haziran, Zürich Switzerland, 33-38
Dong, Y., Scisco, J., Wilson, M., Muth, E., Hoover, A. 2014 Detecting periods of eating during free-