تشخیص فعالیت های عادی از سقوط با استفاده از روش ماشین بردار پشتیبان وکرم شب تاب

در این مقاله با بهره گیری از روش های یادگیری ماشین اقدام به طراحی یک سیستم تشخیص افتادن مبتنی بر داده های سنسورهای پوشیدنی در دو سناریو متفاوت کردیم.در سناریو اول پس از ای نکه داده ها را پیش پردازش کردیم با استفاده از روش تحلیل مولفه اساسی به کاهش ابعاد ویژگی ها پرداختیم وسپس با استفاده از ماشین بردارپشتیبان با کرنل گوسی به طبقه بندی ویژگی های باقی مانده پرداختیم. دقت بدست آمده برای این سناریو برابر ۹۹ % و زمان اجرای الگوریتم ۶۰ ثانیه بود که نسبت به روشمقاله پایه از لحاظ دقت ۴ % و از لحاظ زمان اجرا ۶۰ ثانیه بهینه تر بوده است. در سناریوی دوم کاهش ابعاد ویژگی ها را با استفاده از الگوریتم کرم شبتاب انجام دادیم کهتوانستیم به دقت ۱۰۰ % برسیم اما زمان اجرای برنامه ۴ برابر سناریوی اول شد. در این سناریو فقط توانستیم ۵ % بهبود در دقت نسبت به روش مقاله پایه داشته باشیم