Domain-specific physical activity classification in intelligent systems
Akıllı sistemlerde alana özgü fiziksel aktivite sınıflandırması
- Tez No: 827885
- Danışmanlar: PROF. DR. DERYA BİRANT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsan etkinliği tanıma (HAR), bir kişi veya kişiler tarafından gerçekleştirilen eylemleri sınıflandırma işlemidir ve insan merkezli uygulamalar için önemli bir süreçtir. Etkili bir HAR yönteminin geliştirilmesi, bir insan faaliyetinin tanınması prosedürünün hassas, sağlam olması ve kısa sürede doğru sonuçlar vermesi gerektirdiğinden dolayı önem arz etmektedir. Bu motivasyona dayanarak, bu tez kapsamında çeşitli etkili makine öğrenimi tabanlı (ML) HAR yaklaşımları önerilmiştir. Önerilen teknikler, farklı temel öğrenicilerin etkisi, katılımcıların demografik özellikleri, tek veya çoklu katılımcılar, sensör türleri ve sensör konumlarının tanıma performansı üzerindeki etkisi açısından incelenmiştir. İlk yaklaşımda, HAR ve sıralı sınıflandırma (OC) birleştilmiş ve“Sıralı Sınıflandırmaya Dayalı İnsan Etkinliği Tanıma”(HAROC) sunulmuştur. OC, sınıflar arasında düşük, orta ve yüksek gibi içsel bir sıralamanın var olduğu, denetimli çok sınıflı sınıflandırmanın özel bir türüdür. İkinci yaklaşımda, HAR ve çoklu örnek öğrenme (MIL) birleştirilmiş ve“Çoklu Örnek Öğrenmeye Dayalı İnsan Etkinliği Tanıma”(HAR-MIL) sunulmuştur. İki MIL algoritmasının (SimpleMI ve MIWrapper) insan etkinliği tanıma üzerindeki performansları ilk kez incelenmiştir. Ek olarak, HAR hala yorumlanabilir yaklaşımlardan yoksun olduğundan, HAR için ML sınıflandırıcılarının veri keşfi, model yapısı açıklaması ve tahmin açıklamasının incelendiği açıklanabilir İnsan Aktivitesi Sınıflandırması (XHAC) incelenmiştir. Son olarak, el tabanlı ve el tabanlı olmayan insan faaliyetleri için makine öğrenimi tabanlı HAR yöntemleri sunulmuştur. Bu tez kapsamında gerçekleştirilen tüm deneyler, önerilen yaklaşımların kapsamlı bir etkinlik çeşitliliği göz önünde bulundurarak insan etkinliklerini etkili bir şekilde tanıdığını gösteren çeşitli gerçek dünya verileri üzerinde gerçekleştirilmiştir.
Özet (Çeviri)
Human activity recognition (HAR) is the process of classifying the actions performed by a person or people and it is an essential task for many human-centered application. Developing effective HAR techniques is crucial since the recognition procedure of the activity of a human being should be sensitive, robust, and gives accurate results in a short time. Based on this motivation, this thesis proposes various effective machine learning-based (ML) HAR approaches. The proposed techniques are examined regarding the impact of the different base learners, demographic characteristics of the participants, single or multiple participants, sensor types, and sensor locations on the recognition performance. The first approach combines HAR and ordinal classification (OC) and introduces“Human Activity Recognition based on Ordinal Classification”(HAROC). OC is a special type of supervised multi-class classification in which an inherent ordering among the classes exists, such as low, medium, and high. The second approach combines HAR and multi-instance learning (MIL) and presents“Human Activity Recognition based on Multi-Instance Learning”(HAR-MIL). The performances of two MIL algorithms (SimpleMI and MIWrapper) on human activity recognition are examined for the first time. In addition, since HAR still lacks interpretable approaches, eXplainable Human Activity Classification (XHAC) in which the data exploration, model structure explanation, and prediction explanation of the ML classifiers for HAR are examined. Finally, ML-based HAR methods are presented for hand-based and non-hand-based human activities. All the experiments conducted within this thesis are carried out on various real-world datasets showing that the proposed approaches effectively recognize human activities considering a comprehensive range of activity variety.
Benzer Tezler
- Yapay Zeka'nın robot görmesi üzerine uygulanması
An Application of robot vision in artificial intelligence
FUNDA PEHLİVAN
- An intelligent system for exercise planning and physical activity recognition using mobile technologies
Mobil teknolojilerin kullanılmasıyla akıllı bir egzersiz planlama ve fiziksel aktivite tanıma sistemi
GÜLER KALEM
Doktora
İngilizce
2017
Bilim ve TeknolojiAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÇİĞDEM TURHAN
- The significance and the contribution of 6+1 traits of writing to the success of the students in writing courses in English language teaching
Yazmanın 6+1 özelliğinin İngilizce öğretiminde yazılı anlatım derslerindeki öğrenci başarısına katkısı ve önemi
ÖZLEM YAZAR
Yüksek Lisans
İngilizce
2004
Eğitim ve ÖğretimGazi Üniversitesiİngiliz Dili Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. PAŞA TEVFİK CEPHE
- İş ve Sosyal Güvenlik Hukuku bakımından dijital platform çalışanlarının hukuki statüsü
Legal status of digital platform workers in terms of Labour and Social Security Law
HAZAL TOLU YILMAZ
Doktora
Türkçe
2022
Çalışma Ekonomisi ve Endüstri İlişkileriGalatasaray ÜniversitesiÖzel Hukuk Ana Bilim Dalı
PROF. DR. ENVER MURAT ENGİN
- Identification of the interaction partners of anti-apoptotic BAG-1M isoform in breast cancer and breast epithelial cells
Anti-apoptotik BAG-1M izoformunun etkileşim partnerlerinin meme kanseri ve meme epitel hücrelerinde tanımlanması
NİSAN DENİZCE CAN
Yüksek Lisans
İngilizce
2017
Onkolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. GİZEM DİNLER DOĞANAY