Resumen

Los hogares inteligentes basados en Internet de las Cosas se han desarrollado rápidamente. Para mejorar la seguridad, comodidad y conveniencia de la vida de los residentes con un costo mínimo, el reconocimiento de actividades diarias tiene como objetivo conocer las actividades diarias de los residentes de manera no invasiva. El rendimiento del reconocimiento de actividades diarias depende en gran medida de la estrategia de resolución de características de actividad. Sin embargo, la estrategia de resolución comúnmente empleada actualmente, basada en información estadística de la actividad individual, no apoya bien el reconocimiento de actividades. Para mejorar la estrategia de resolución comúnmente empleada, en este documento se propone una estrategia de resolución de características de actividad basada en TF-IDF. La estrategia propuesta explota información estadística relacionada tanto con la actividad individual como con el conjunto de actividades. Se han encargado dos conjuntos de datos distintos para mitigar cualquier posible efecto de acoplamiento entre el conjunto de datos y la configuración del sensor. Finalmente, se han evaluado varias técnicas de aprendizaje automático (ML)

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Hogares inteligentes; Internet de las cosas; Reconocimiento de actividades diarias; Estrategia de resolución; TF-IDF; Aprendizaje automático
• Keywords:Smart homes; Internet of things; Daily activity recognition; Solving strategy; TF-IDF; Machine learning