علیرضا رضائی - Department of Mechatronics Engineering, Faculty of new Sciences and Technologies, University of Tehran
بهنام مرادی - Department of Mechatronics Engineering, Faculty of new Sciences and Technologies, University of Tehran

این پژوهش به تشخیص فعالیت انسان های کم توان ساکن در خانه های هوشمند بر اساس نظارت بر رفتار و خواسته های آنها برای دستیابی به الگوی نهایی و ذخیره آن در پایگاه داده ای سیستم مدیریت ساختمان جهت تصمیم گیری و عملکرد اتوماتیک تجهیزات در رفع نیازهای ساکنین بکار گرفته شد. ابتدا مجموعه ای مناسبی از حسگرها جهت ثبت وپردازش صحیح داده ها در قسمت های مختلف ساختمان و تعدادی نیز جهت کنترل علایم حیاتی بسته به نوع ناتوانی روی بدن فرد نصب می شوند.هدف از این تحقیق تشخیص و طبقه بندی فعالیت انسانهای کم توان در سه مرحله می باشد. اول: انتخاب سنسورها و اجرای تکنیک های ثبت، و تمرکز بر عمده فعالیت افرادکم توان درخانه های هوشمند، دوم: طبقه بندی و پردازش داده های جمع آوری شده با استفاده از الگوریتم ماشین بردار پشتیبان(svm) ، سوم: انتخاب بهترین کرنل وقانون آموزش svm  با استفاده از الگوریتم بهینه ازدحام داده ای(pso) و در نهایت تشکیل الگوی نهایی برای ذخیره در پایگاه داده ای سیستم مدیریت ساختمان انجام شد.

Monitoring the activities of disabled people, independent living, support vector machine (svm), optimal data congestion algorithm (PSO) - final pattern formation, نظارت بر فعالیت انسان های کم توان, زندگی مستقل, ماشین بردار پشتیبان(svm ), الگوریتم بهینه ازدحام داده ای (pso )- تشگیل الگوی نهایی