YRPIPKUYRPIPKU

Journal of Applied Engineering and Technological Science (JAETS)Journal of Applied Engineering and Technological Science (JAETS)

Pengenalan aktivitas manusia (HAR) memiliki peran penting dalam pemantauan kesehatan dengan memberikan wawasan detail mengenai gerakan sehari-hari. Studi ini bertujuan untuk meningkatkan HAR dengan mengembangkan model pembelajaran mesin ringan dan efisien yang menyeimbangkan akurasi, kinerja real-time, dan biaya. Menggunakan data percepatan dari sensor inertial wearable, kami mengekstrak himpunan fitur baru yang dioptimalkan untuk efisiensi komputasi. Model yang diusulkan dievaluasi pada dataset benchmark, mencapai akurasi 98,9% dalam mengklasifikasikan enam aktivitas harian penting: berjalan, berjalan naik tangga, berjalan turun tangga, berbaring, duduk, dan berdiri. Hasil ini menunjukkan potensi model untuk aplikasi pemantauan kesehatan real-time, menawarkan solusi yang hemat biaya dan dapat diterapkan untuk pengenalan aktivitas berbasis wearable.

Studi ini mengembangkan sistem pengenalan aktivitas manusia dengan biaya rendah, waktu komputasi minimal, dan respons real-time.Hasil menunjukkan bahwa himpunan fitur sederhana dapat secara efektif mengklasifikasikan perilaku sehari-hari, bahkan ketika dilakukan oleh individu berbeda.Dengan menggabungkan ukuran jendela 10 detik dan klasifier, Random Forest (RF) mencapai akurasi keseluruhan yang lebih tinggi dibandingkan GBDT, SVM, dan KNN.Untuk penelitian masa depan, penulis berencana mengembangkan dan memvalidasi temuan awal ini melalui eksperimen pada aktivitas yang lebih kompleks serta mengeksplorasi model pembelajaran mesin seperti metode deep learning untuk mencari solusi optimal dalam klasifikasi.

Penelitian lanjutan dapat fokus pada pengembangan metode fusi sensor multi untuk meningkatkan akurasi klasifikasi aktivitas statis seperti duduk dan berdiri. Selain itu, eksplorasi model deep learning dengan arsitektur hierarkis dapat meningkatkan kemampuan dalam mengenali pola aktivitas yang kompleks. Terakhir, penelitian juga dapat mengeksplorasi ekstraksi fitur berbasis konteks atau informasi lingkungan untuk memperbaiki kinerja model dalam kondisi nyata yang beragam.

  1. Monitoring household activities and user location with a cheap, unobtrusive thermal sensor array | Proceedings... doi.org/10.1145/2632048.2636084Monitoring household activities and user location with a cheap unobtrusive thermal sensor array Proceedings doi 10 1145 2632048 2636084
  2. Smart-mat | Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing.... dl.acm.org/doi/10.1145/2632048.2636088Smart mat Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing dl acm doi 10 1145 2632048 2636088
  3. Activity recognition using cell phone accelerometers | ACM SIGKDD Explorations Newsletter. activity recognition... dl.acm.org/doi/10.1145/1964897.1964918Activity recognition using cell phone accelerometers ACM SIGKDD Explorations Newsletter activity recognition dl acm doi 10 1145 1964897 1964918
Read online
File size973.48 KB
Pages12
DMCAReport

Related /

ads-block-test