امید رحمانی - کارشناس ارشد مهندسی نرم افزار
رضوان شاه کرمی - مربی، گروه کامپیوتر، دانشگاه فنی و حرفه ای لرستان

طبقه بندی فعالیت ان سان یک نقطه تحقیقاتی پرحرارت بوده است و به سیستم های هوشمند مبتنی بر شناخت فعالیت های انسان و اهداف تجزیه و تحلیل کمک کرده است. روش های طبقه بندی متعددی ازجمله درخت های تصمیم گیری، مدل مخفی مارکوف و همچنین ماشین بردار پشتیبان که در این مقاله اعمال شده است تو سط محققان معرفی شده اند. IMU ها منبعب سیار موثر داده ها هستند و برای اهداف شناخت فعالیت های انسانی، کارهای تحقیقاتی و غیره استفاده شده اند. این مقاله به روند بهینه سازی پارامترهای ما شین بردار پشتیبان به منظور رسیدن به نتایج طبقه بندی بهتر برای مجموعه ای از فعالیت های انسانی از داده های IMU می پردازد. الگوریتم بهینه سازی به کاررفته، یک الگوریتم تکاملی فرا ابتکاری است. دقت طبقه بندی در مجموعه داده اعمال شده برای اولین اجرا از 81 در صد به 96 در صد و برای دومین اجرا به دقت 67.99 در صد می رسد.اعتبار سنجی در 10 بخش مختلف از 10 فایل که مجموعه داده های نمونه گیری شده از 10 شخص متفاوت هست اعمال شده است.

طبقه بندی فعالیت انسان، ماشین بردار پشتیبان، IMU ، WW