تشخیص فعالیت های انسانی با تلفن های هوشمند با استفاده از انتخاب ویژگی بر پایه GA-XGBoost

هدف شناسایی فعالیت های انسانی، شناسایی فعالیت های انجام شده توسط یک فرد با ابزارهایی مانند تلفن های هوشمند نصب شده روی کمر با استفاده از شتاب سنج و ژیروسکوپ تعبیه شده در آن است. شناسایی با به کارگیری اطلاعاتی که از سیگنال های فیزیولوژیکی متعدد دریافتی از حسگرهایی مانند شتاب سنج ها و ژیروسکوپ ها که در داخل گوشی های هوشمند تعبیه شده اند امکان پذیر است. برای اینکه سیستم تشخیص فعالیت به درستی درگوشی هوشمندی که دارای محدودیت توان است کار کند، استفاده از تکنیک های کاهش ابعاد تعداد ویژگی های مورداستفاده در مجموعه داده را کاهش داده است و منجر به سرعت تشخیص و حفظ منابع انرژی شده است. روش انتخاب ویژگی تکاملی نسبت به روش Feature Importance از دقت بیشتری برخوردار است ولی به دلیل ابعاد بالای داده ورودی فضای جستجو در الگوریتم تکاملی بسیار بالا رفته است و باعث افزایش پردازش و افزایش زمان اجرا شده است. ما در این مقاله در مرحله اول از روش Feature Importance و در مرحله دوم از الگوریتم تکاملی پوششی برای کاهش ابعاد ویژگی ها استفاده کرده ایم. در پایان همان طور که ارزیابی ها و آزمایش ها نشان داده است روش ما بشدت سرعت پردازش را کاهش داده است و همچنین عملکرد کاهش ابعاد افزایش داده شده است.

کلیدواژه ها:

انتخاب ویژگی ، کاهش ابعاد در دو مرحله ، الگوریتم تکاملی ، ژنتیک ، XGBoost