شناسایی فعالیت افراد سالمند در خانه هوشمند بر اساس وزندهی به ویژگی ها با استفاده از الگوریتم ژنتیک

در سال های اخیر، خانه هوشمند به عنوان یکی از کاربردهای اینترنت اشیا مورد توجه قرار گرفته است. خانه هوشمند، خانه ای است که از تجهیزات ودستگاه های متصل به اینترنت استفاده می کند تا نظارت و مدیریت دستگاه ها و سیستم ها (مانند روشنایی و گرمایش) از راه دور و همچنین ارائه هوشمندانه خدمات را امکان پذیر کند. حسگرهای موجود در خانه هوشمند، شناسایی فعالیت های زندگی روزمره افراد و ردیابی آنها را امکان پذیر می کند. با این کار میتوان بر سلامت افراد به ویژه سالمندان و افراد دارای اختلال حافظه نظارت کرد. همچنین میتوان متناسب با فعالیت افراد، توصیه هایی مربوط به خدمات و محصولات را در زمان های مناسب به آنها ارائه داد. هدف این پژوهش، ارائه روشی برای بهبود دقت شناسایی فعالیتهای روزمره افراد در خانه هوشمند است. برای این منظور، ویژگی های مختلفی به عنوان ورودی مدل استفاده می شوند. از آنجایی که همه ویژگی ها تاثیر یکسانی بر دقت شناسایی فعالیتهای افراد ندارند، در این پژوهش بر وزن دهی ویژگی ها تمرکز شده است. این وزن دهی با استفاده از الگوریتم ژنتیک انجام شده است. نتایج نشان می دهد که وزن دهی ویژگی ها با استفاده از الگوریتم ژنتیک، و سپس استفاده از آنها در درخت تصمیم، می تواند صحت شناسایی فعالیت روزانه افراد در خانه هوشمند را بهبود داده و به میزان ۹۶۱ / ۰ ، برساند.

Keywords:

الگوریتم ژنتیک , خانه هوشمند , شناسایی فعالیت , وزن دهی ویژگی , یادگیری ماشین