Resumen

Este artículo propone un enfoque novedoso para reconocer actividades basado en la selección de características de ubicación de los sensores. El método está diseñado para abordar un problema de fusión de información multisensor de sensores portátiles situados en diferentes posiciones del cuerpo humano. Precisamente, el enfoque puede extraer el mejor conjunto de características que caracteriza cada actividad en relación con la ubicación de un sensor corporal para reconocer las actividades de la vida diaria. En primer lugar, preprocesamos los datos brutos utilizando un filtro de paso bajo. Tras extraer varias características, se aplican algoritmos de selección de características por separado a los conjuntos de características de cada sensor para obtener el mejor conjunto de características para cada posición del cuerpo. A continuación, se investiga la correlación de las características de cada conjunto para optimizarlo. Por último, se aplica un clasificador a un conjunto de características optimizado, que contiene características de cuatro posiciones corporales para clasificar trece actividades. En los resultados experimentales, obtenemos una precisión global del 99,13 y aplicando el método propuesto al conjunto de datos de referencia. Los resultados muestran que podemos reducir el tiempo de cálculo para el paso de selección de características y lograr una alta tasa de precisión mediante la realización de la selección de características para la colocación de cada sensor. Además, nuestro método propuesto puede utilizarse para una configuración de múltiples sensores para clasificar las actividades de la vida diaria. También se espera que el método se despliegue en una plataforma de big data basada en un sistema de clasificación de actividades, ya que cada nodo sensor sólo envía información esencial caracterizándose a sí mismo a un servidor en la nube.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:método, actividades, sensor, mejor característica, sistema de clasificación de actividades, plataforma de big data, actividades de la vida diaria, algoritmos de selección de características, paso de selección de características, alta tasa de precisión
• Keywords:method, activities, sensor, best feature, activity classification system, big data platform, daily living activities, feature selection algorithms, feature selection step, high accuracy rate