پیش بینی فعالیت های انسانی با استفاده از شبکه مارکوف و خوشه بندی فازی

چکیده مقاله

با توسعه تکنولوژی خانه های هوشمند، به منظور نظارت و کمک به افراد ناتوان، شناسایی فعالیت های روزمره انسان ها علی الخصوص سالمندان از اهمیت زیادی برخوردار شده است در این راستا حسگرهایی جهت دریافت اطلاعات مختلف در زمینه شناخت فعالیت های انسانی ایجاد شدند با تحلیل داده های جریانی حسگرها می توان به روشی بهینه، جهت شناسایی فعالیت های روزمره دست یافت در این مقاله ، با خوشه بندی فازی حسگرها و استفاده از شبکه منطقی مارکوف به شناسایی و پیش بینی فعالیت ها پرداخته شده است و پایگاه داده مورد استفاده ، اطلاعات خانه هوشمند آزمایشگاه سیستم های تطابق پذیر دانشگاه واشنگتن بوده که در پایگاه داده فوق اطلاعات پنج فعالیت توسط حسگرهای دودویی جمع آوری شده است این خانه هوشمند دارای 36 حسگر در انواع مختلف می باشد حسگرها متفاوت بوده و داده های زیادی تولید می نمایند با خوشه بندی محتوایی و مکانی حسگرها میتوان شبکه بندی آنها و تشخیص فعالیت انسان را هدفمند نموده و سرعت تشخیص فعالیت را افزایش داد همچنین داده های حسگرها جمع آوری شده سپس خوشه بندی می شوند انتخاب تعداد خوشه ها با استفاده از معیار سیلوهیته تخمین زده شده است با انتخاب چهار خوشه برای حسگرها عملکرد سیستم بهبود یافته و روش پیشنهادی با دقت 97 82 درصد به تشخیص و شناسایی فعالیت ها پرداخته است نتایج نشان می دهد که این روش به میزان 2 1 درصد سیستم تشخیص را نسبت به مدل شبکه منطقی مارکوف بهبود داده است

کلیدواژه‌ها

نویسندگان

فاطمه اکبرخواه گلسفید

کارشناس ارشد هوش مصنوعی، گروه کامپیوتر، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان ، ایران

محسن فلاح راد

عضو هییت علمی گروه مهندسی کامپیوتر ، واحد لاهیجان ، دانشگاه آزاد اسلامی، لاهیجان ایران

�کبرخواه گلسفید، فاطمه و فلاح راد، محسن،1396،پیش بینی فعالیت های انسانی با استفاده از شبکه مارکوف و خوشه بندی فازی،دومین کنفرانس ملی محاسبات نرم،رودسر

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی محاسبات نرم1 آذر 1396 · رودسر