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: 136
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
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÇİĞDEM TURHAN
- 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
Biyolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
DOÇ. DR. GİZEM DİNLER DOĞANAY
- Sağlık hizmetinin yürütülmesinde görevli sağlık kamu personelinin eylemlerinden kaynaklanan idarenin sorumluluk sebepleri
Grounds for liability of the administration caused by the actions of the health public personnel in duty in the conduct of health service
MUHARREM CİVAN
Yüksek Lisans
Türkçe
2022
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAN YÜZBAŞIOĞLU
- Okullarda beden eğitimi ve sporun öğrencilerin toplumsallaşmasındaki rolü
The Role of the physical education and sport on student socialization at schools
AHMET ŞADAN ÖKMEN
Doktora
Türkçe
2003
Eğitim ve ÖğretimAtatürk ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. MUHİTTİN AŞKIN