Resumen

Las personas en áreas públicas a menudo aparecen en grupos. Las personas con actividades homogéneas de grano grueso pueden ser divididas en subgrupos dependiendo de diferencias de comportamiento más detalladas. Identificar automáticamente estos subgrupos puede beneficiar a una variedad de aplicaciones para los miembros del grupo. En este trabajo, nos enfocamos en identificar tales subgrupos en un grupo de actividad homogénea (es decir, un grupo de personas que realizan la misma actividad de grano grueso al mismo tiempo). Presentamos un marco genérico utilizando sensores incorporados en dispositivos móviles de consumo. Específicamente, proponemos un proceso de dos etapas, selección de modalidad de detección dada una actividad de grano grueso, seguida de un agrupamiento multimodal para identificar subgrupos. Desarrollamos un algoritmo de agrupamiento multimodal de fusión temprana y otro de fusión tardía. Evaluamos nuestros enfoques utilizando múltiples conjuntos de datos; dos de ellos son con la misma actividad mientras que el otro tiene una actividad diferente. Los resultados de la

• Materias:Algoritmo dinámico Redes Inalámbricas Redes de Comunicación Sistema de colas Teoría de juegos
• Subjects:Dynamic Algorithm Wireless Networks Communication networks Queuing systems Game theory
• Palabras claves:Personas; Subgrupos; Actividades; Sensores; Agrupación; Multimodal
• Keywords:People; Subgroups; Activities; Sensors; Clustering; Multimodal