|
|
شناسایی نیازهای انسان های کم توان جهت تشکیل الگوی رفتاری برای عملکرد خودکار خانه های هوشمند با روشهای مبتنی بر ماشین بردار پشتیبان
|
|
|
|
|
نویسنده
|
رضائی علیرضا ,مرادی بهنام
|
منبع
|
مهندسي برق و الكترونيك ايران - 1402 - دوره : 20 - شماره : 4 - صفحه:93 -99
|
چکیده
|
این پژوهش به تشخیص فعالیت انسان های کم توان ساکن در خانههای هوشمند بر اساس نظارت بر رفتار و خواسته های آنها برای دستیابی به الگوی نهایی و ذخیره آن در پایگاه داده ای سیستم مدیریت ساختمان جهت تصمیم گیری و عملکرد اتوماتیک تجهیزات در رفع نیازهای ساکنین بکار گرفته شد. ابتدا مجموعهای مناسبی از حسگرها جهت ثبت وپردازش صحیح دادهها در قسمت های مختلف ساختمان و تعدادی نیز جهت کنترل علایم حیاتی بسته به نوع ناتوانی روی بدن فرد نصب می شوند.هدف از این تحقیق تشخیص و طبقه بندی فعالیت انسانهای کم توان در سه مرحله می باشد. اول: انتخاب سنسورها و اجرای تکنیک های ثبت، و تمرکز بر عمده فعالیت افرادکم توان درخانه های هوشمند، دوم: طبقه بندی و پردازش داده های جمع آوری شده با استفاده از الگوریتم ماشین بردار پشتیبان(svm) ، سوم: انتخاب بهترین کرنل وقانون آموزش svm با استفاده از الگوریتم بهینه ازدحام داده ای(pso) و در نهایت تشکیل الگوی نهایی برای ذخیره در پایگاه داده ای سیستم مدیریت ساختمان انجام شد.
|
کلیدواژه
|
نظارت بر فعالیت انسان های کم توان، زندگی مستقل، ماشین بردار پشتیبان(svm )، الگوریتم بهینه ازدحام داده ای (pso ) تشگیل الگوی نهایی
|
آدرس
|
دانشگاه تهران, دانشکده علوم و فنون نوین, گروه مهندسی مکاترونیک و ریز فناوری, ایران, , ایران
|
پست الکترونیکی
|
behnam.pee@yahoo.com
|
|
|
|
|
|
|
|
|
identify the needs of people with disabilities to form a behavioral model for the automatic operation of smart homes with methods based on support vector machine
|
|
|
Authors
|
rezaee alireza ,moradi behnam
|
Abstract
|
this study detects the activity of disabled people living in smart homes based on monitoring their behavior and desires to achieve the final model and store it in the database of the building management system for decision making and automatic operation of equipment used to meet the needs of residents. first, a suitable set of sensors are installed to record and process data correctly in different parts of the building and some to control vital signs depending on the type of disability are installed on the body. . first: selecting sensors and implementing recording techniques, and focusing on the major activities of people with disabilities in smart homes, second: classifying and processing the data collected using the support vector machine (svm) algorithm; svm was performed using the optimal data congestion algorithm (pso) and finally the final pattern for storage in the building management system database.
|
Keywords
|
monitoring the activities of disabled people ,independent living ,support vector machine (svm) ,optimal data congestion algorithm (pso) final pattern formation
|
|
|
|
|
|
|
|
|
|
|