Examination of wireless sensor data using traditional data mining algorithms
Geleneksel veri madenciliği algoritmalarını kullanarak kablosuz sensör verilerini inceleme
- Tez No: 484042
- Danışmanlar: Assist. Prof. Dr. TUĞÇE BALLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: İstanbul Kemerburgaz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Günümüzde akıllı telefonlar daima sürekli gelişmekte ve bu cihazlar günlük yaşamın her yerinde olmaktadır. Akıllı cihazlar, ses algılayıcıları (yani mikrofonlar), ışık algılayıcıları, sıcaklık algılayıcıları, yön algılayıcıları (yani manyetik pusula) ve ivme algılayıcıları (diğer bir deyişle ivmeölçerleri) gibi birçok güçlü algılayıcı içermektedir. Ucuz ve küçük sensörlerin geliştirilmesi bu alanı gerçeğe dönüştürdü ve bu sensörler veri madenciliği ve veri madenciliği uygulamaları için yeni ve heyecan verici bir fırsat sunuyor. Normalde önerdiğimiz yaklaşımlar, aktivite tanımayı gerçekleştirmek için ivmeölçer sensörleri kullanmaktadır. Etkinlik tanıma, yalnızca bir kullanıcı göz önüne alındığında belirli bir anda hangi etkinliklerin gerçekleşeceğini tahmin etme görevidir. Tezin amacı, yürüyüş, koşu, oturma, ayakta durma ve merdiven gibi günlük aktivitelerini gerçekleştiren 29 kullanıcı için fiziksel aktiviteyi belirlemek ve toplam kullanıcı etkinliğini 10 saniye içinde belirlemektir. Çalışma, veri madenciliği tekniklerinin algoritmalarına karşı esnekliği nedeniyle Weka Workbench'i kullanmıştır. Seçilen algoritmalar SVM, Karar ağacı, Naïve Bayes sınıflandırıcısı ve K-Star seçkinlerdi. Sonuçta, tüm veri madenciliği algoritmalarının veri yönetimine göre doğru olmadığı tespit edilmiştir. Bu tezin temel amacı çevrede kullanılacak genelleştirilmiş bir model oluşturmaktır. Çalışmalarımız önemli derecede yararlıdır, bu modelin performansı, kullanıcının yeterli miktarda egzersiz yapıp kullanmadığını ölçmek ve tüketilen günlük kalori sayısını tahmin etmek için kullanılabilecek genel bir etkinlik düzeyini göstermeye yardımcı olur.
Özet (Çeviri)
Today, smartphones are always on constant evolution and these devices are becoming ubiquitous part of daily life. The smart devices now contain many powerful sensors such as audio sensors (i.e., microphones), light sensors, temperature sensors, direction sensors (i.e., magnetic compass), and acceleration sensors (i.e., accelerometers). The development of inexpensive and small sensors made this area a reality and these sensors provide us with a new and exciting opportunity for data mining and data mining applications. Normally the approaches we propose use accelerometer sensors to perform activity recognition. Activity recognition is the task of predicting which activities are taking place at a certain moment of time when considering only one individual user. The idea of thesis is to identify the physical activity for twenty-nine users performing their daily activity such as walking, jogging, sitting, standing, and stairs, and then determine the total user activity over 10 seconds. The study has employed Weka Workbench due to its flexibility towards the algorithms of data mining techniques. The selected algorithms were SVM, Decision-tree, Naïve Bayes classifier, and K-Star are the eminent ones. Conclusively, it has been established that not all the data mining algorithms are accurate with respect to the data management. The main goal of this thesis is to build a generalized model to be used in the environment. Our work has a significant usefulness, the performance of this model helps to indicate an overall activity level, which could be used to measure if the user is getting an enough amount of exercise and estimate the number of daily calories consumed.
Benzer Tezler
- Multi - capsule endoscopy: Demonstrations of inter - capsular control and (tactile) sensing
Çoklu - kapsül endoskopi: Kapsüller arası kontrol ve (dokunsal) algılama yöntemleri
FURKAN PEKER
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR FERHANOĞLU
- Kablosuz sensör ağlarının IP tabanlı ağlarla birleştirilmesi
Combining wireless sensor networks and IP based networks
AHMET ÇAĞDAŞ SEÇKİN
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. AHMET ÖZEK
- Kablosuz polisomnografi cihazı tasarımı
Design of a wireless polysomnography device
UĞUR ŞAHİN
Yüksek Lisans
Türkçe
2021
Bilim ve TeknolojiTOBB Ekonomi ve Teknoloji ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN EROĞUL
- Analysis of a regression tree classifier for energy aware data gathering in WSN
Enerji farkındalık için regresyon ağacı sınıflayıcı analizi WSN'de veri toplama
AHMED SADEQ MOHAMMED MOHAMMED
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE