Makine öğrenmesi yöntemleri kullanarak akıllı telefon verileri ile güvenlik personelinin aktivite tespiti
Activity recognition for security personel using machine learning models with smartphone data
- Tez No: 745459
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE ÜNSAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İletişim Bilimleri, Computer Engineering and Computer Science and Control, Communication Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Sivas Bilim ve Teknoloji Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Ülkemizde güvenlik personelleri arazi, açık veya kapalı ortamlar gibi zorlu şartlarda görev yapmaktadırlar. Görev sırasında personelin güvenliğinin sağlanması en önemli esaslardan biridir. Bu kapsamda personelin görev sırasında farkı teknolojilerle izlenmesi söz konusudur. Bu çalışmada güvenlik personelinin görev sırasında aktivitelerinin izlenmesine olanak sağlayacak yardımcı teknolojiler incelenmiştir. Bunun için akıllı telefonlarda bulunan sensör verileri ile makine öğrenmesi yöntemleri kullanılarak aktivite tespiti olanakları araştırılmıştır. Araştırmada 19-48 yaş arası, akıllı telefon taşıyan 30 katılımcıdan elde edilen sensör verileri kullanılmıştır. Her katılımcıdan yürüme, tırmanma, inme, oturma, bekleme, uzanma olmak üzere 6 farklı aktivite elde edilmiştir. Veriler makine öğrenmesinde kullanılan, Destek Vektör Makinesi (SVM), Rastgele Orman (RF), En Yakın Komşuluk (KNN), Çok Katmanlı Algılayıcı (MLP) algoritmaları ile oluşturulan modellerde kullanılmıştır. Elde edilen sınıflandırma sonuçları hassaslık, özgüllük, doğruluk gibi metriklerle birlikte tablolar halinde verilmiştir. Veri tutarlılığını izleme açısından Alıcı Çalışma Karakteristiği Eğrisi (ROC Curve) her model için çizilmiştir. Sınıflandırma sonuçlarındaki farklılıkları incelemek amacıyla veri seti sırasıyla %90, %80, %70 eğitim ve %10, %20, %30 test verisi olmak üzere bölünerek modellerde değerlendirilmiştir. Eğitim ve test verileri için sonuçlar hata matrisleriyle ve tablolar halinde gösterilmiştir.
Özet (Çeviri)
In our country, security personnel work in difficult conditions such as terrain, open or closed environments. Ensuring the safety of personnel while on duty is one of the most important principles. In this context, it is possible to monitor the personnel with different technologies while on duty. In this study, assistive technologies that will enable the monitoring of the activities of security personnel during the task are examined. For this, the possibilities of activity recognition were investigated by using sensor data on smart phones and machine learning methods. In the research, sensor data obtained from 30 participants aged between 19-48 and carrying a smart phone were used. 6 different activities were obtained from each participant: walking, climbing, descending, sitting, waiting, reaching. The data were used in models created with Support Vector Machine (SVM), Random Forest (RF), Nearest Neighborhood (KNN), Multilayer Perceptron (MLP) algorithms used in machine learning. Obtained classification results are given in tables together with metrics such as sensitivity, specificity and accuracy. The Receiver Operating Characteristic Curve (ROC Curve) was plotted for each model to monitor data consistency. In order to examine the differences in the classification results, the data set was divided into 90%, 80%, 70% training and 10%, 20%, 30% test data, respectively, and evaluated in the models. The results for the training and test data are shown with confusion matrices and in tabular form.
Benzer Tezler
- Makine öğrenmesi kullanarak insan hareketlerinin sınıflandırılması: Akıllı telefon algılayıcıları örneği
Classification of human movements using machine learning: The example of smartphone sensors
DINA DURAID HAQI AL-MOMAYEZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. KAMİL ALAKUŞ
- 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
- Implementation of data-driven decisions in urban governance and planning
Kent yönetişim ve planlamasında veri odaklı kararların uygulanması
JAFAR NAJAFLI
Yüksek Lisans
İngilizce
2020
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ÖZHAN ERTEKİN
- Kötü amaçlı android yazılımların makine öğrenmesi yöntemleri ile tespiti
Detection of android malware with machine learning methods
ABDULLAH BATUHAN YILMAZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KÖKLÜ
- Step length estimation using sensor fusion for indoor positioning
İç mekan konumlandırması için sensor füzyonu ile adım uzunlugu tahmini
HASBİ SEVİNÇ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE