Resumen

En el área de reconocimiento y clasificación de actividades infantiles, se han propuesto numerosos trabajos que hacen uso de diferentes fuentes de datos. En la mayoría de ellos, se utilizan sensores integrados en la ropa de los niños. En este trabajo, se propone el uso de datos de sonido ambiental para generar un modelo de reconocimiento y clasificación de actividades infantiles a través de técnicas de aprendizaje automático, optimizadas para su aplicación en dispositivos móviles. Inicialmente, se presenta el uso de un algoritmo genético para la selección de características, reduciendo el tamaño original del conjunto de datos utilizado, un aspecto importante al trabajar con los recursos limitados de un dispositivo móvil. Para la evaluación de este proceso, se aplican cinco métodos de clasificación diferentes: vecinos más cercanos (k-NN), centroide más cercano (NC), redes neuronales artificiales (ANNs), bosque aleatorio (RF) y árboles de partición recursiva (Rpart). Finalmente, se realiza una comparación de los modelos obtenidos, basada en la precisión, con el fin de identificar el método de clasificación que presenta el mejor rendimiento en el desarrollo de un modelo que permita la identificación de la actividad infantil basada en señales de audio. Según los resultados, el mejor rendimiento lo presenta el modelo de cinco características desarrollado a través de RF, obteniendo una precisión de 0.92, lo que permite concluir que es posible clasificar automáticamente la actividad infantil basada en un conjunto reducido de características con una precisión significativa.

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Propuesta; Fuentes de datos; Sonido ambiental; Selección de características; Métodos de clasificación; Dispositivos móviles
• Keywords:Proposed; Data sources; Environmental sound; Feature selection; Classification methods; Mobile devices