Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

Identification of human activities using mobile phone sensors based on stacking learning algorithm

تعداد صفحات: 16 | تعداد نمایش خلاصه: 105 | نظرات: 0
سال انتشار: 1397
کد COI Paper: IDS03_053
زبان Paper: Englishglish
(فایل این Paper در 16 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این Paper

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این Paper را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک Paper) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل Paper

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 16 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان Paper Identification of human activities using mobile phone sensors based on stacking learning algorithm

Masha Soufi Neyestani - Industrial Engineering Department, Tafresh University, Tafresh, Iran
Hedieh Sajedi - School of Mathematics, Statics and Computer Science, University of Tehran, Tehran, Iran
Vali Tawosi - Electrical & Computer Engineering Department, Tarbiat Modares University, Tehran, Iran

چکیده Paper:

Human Activity Recognition, as one of the growing fields of research, aims to identify which activity is done by individuals by tracking their activities. It has plenty of real-world applications such as health monitoring, abnormal behavior detection, and fitness supporting. Therefore, this study focuses on mobile phone data to distinguish and classify human activities by applying statistical features and using stacking learning method with the aim of improving the accuracy and precision of the classifiers. Two different stacking models are designed and applies on a public dataset. To show that stacking model performs much better than single classifiers in distinguishing each activity, classification results are compared with the result of two common single classifiers including Naïve Bayes and Random Forest. The results show that stacking methods can considerably improve classification accuracy, especially in the case of energetic activities that are difficult to distinguish, such as climbing stairs, walking, and jogging.

کلیدواژه ها:

First keyword, Human Activity Recognition, Classification, Feature Extraction, Stacking Learning Algorithm

کد Paper/لینک ثابت به این Paper

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/855053/

کد COI Paper: IDS03_053

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined, undefined و undefined, undefined و undefined, undefined,1397,Identification of human activities using mobile phone sensors based on stacking learning algorithm,سومین کنفرانس سیستم های تصمیم گیری هوشمند,Tehran,,,https://civilica.com/doc/855053

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397, Soufi Neyestani, Masha؛ Hedieh Sajedi و Vali Tawosi)
برای بار دوم به بعد: (1397, Soufi Neyestani؛ Sajedi و Tawosi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report Paper

Export Citation info of this Paper to research management softwares

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: state university
تعداد مقالات: 576
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

New RelatedPapers

Share this paper

WHAT IS COI?

COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

Support