استفاده از تكنيك‌هاي مشابهت رشته‌اي براي تشخيص فعاليت‌هاي روزانه در خانه‌هاي مجهز به شبكه حسگر دودويي

در سيستم‌هايي كه افراد در فعاليت‌هاي روزانه خود به مراقبت ويژه نياز دارند، الگوريتم‌هاي تشخيص فعاليت انساني كاربرد دارند. روش‌هاي مختلف يادگيري ماشين، از جمله مدل مخفي ماركوف و روش‌هاي مرتبط به آن، به طور گسترده‌اي براي حل مساله تشخيص فعاليت انساني استفاده شده‌اند. در كارهاي قبلي، روش‌هاي مبتني بر مدل مخفي ماركوف از فرض استقلال شرطي براي محاسبه احتمال مشاهدات استفاده شده است. در اين تحقيق، به جاي فرض استقلال شرطي، يك مدل احتمالي جديد براي فضاي رشته‌ها، بر اساس تاب‌خوردگي زمان پويا و فاصله لونشتاين وزني پيشنهاد شده است. مدل احتمالي پيشنهادي، كه با يك مدل مخفي شبه‌ماركف تركيب شده، روي يكي از مجموعه داده‌هاي در دسترس اعمال شده است. نتايج حاصله نشان‌ مي‌دهد كه استفاده از مدل پيشنهادي دقت شناسايي فعاليت‌هاي روزانه را به ميزان قابل توجهي اقزايش مي‌دهد. كليه كدها و داده‌ها مقاله حاضر، از طريق پيوند github.com/ashnik1353 در دسترس هستند.