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

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.

Keywords:

خانه هوشمند , شناسایی فعالیت انسان , داده کاوی , خوشه بندی فازی