تشخیص فعالیت با استفاده از حسگر شتاب سنج تلفن همراه
محل انتشار: دومین همایش ملی علوم و فناوری های نوین ایران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 676
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PFCONF02_037
تاریخ نمایه سازی: 7 اردیبهشت 1396
چکیده مقاله:
تلفنهای همراه، بسیار پیشرفته می شوند و آخرین نسل تلفنهای همراه اکنون از سنسوسرهای نیرومند و متنوع زیادی، برخوردار هستند این سنسورها شامل سنسورهای GPS، سنسورهای تصویری، مانند دوربینها سنسورهای صوتی مانند میکروفنها سنسورهای نور، سنسورهای حرارتی سنسورهای جهت یابی، مثل قطب نمای مغناطیسی و سنسورهای حرکت و شتاب مثل شتاب سنجها می باشند وجود این سنسورها در وسایل ارتباطی با تولید انبوه، فرصتهای جدید جالبی را برای برنامه های کاربردی کاوش اطلاعات و جستجوی داده ها به وجود می آورد در این مقاله ما سیستمی را توصیف و ارزیابی می کنیم که شتاب سنجهای تلفن همراه را به کار می برد تا فرایند شناخت تشخیص فعالیت را شکل می دهد فرآیندی که در بردارنده شناخت و تشخیص فعالیت فیزیکی است که یک کاربر انجام می دهد برای اجرای این سیستم، ما اطلاعات شتاب سنج از 29 کاربر را جمع آوری کردیم، در هنگامی که آنها فعالیتهای روزانه از قبیل راه رفتن، آهسته دویدن، بالا رفتن از پله ها، نشستن و ایستادن را انجام می دهند، و سپس این اطلاعات دوره زمانی را در قالب مثالهایی جمع آوری کردیم که فعالیت یک کاربر را در فواصل زمانی 10 ثانیه ای خلاص می کند سپس اطلاعات آموزشی به دست آمده را به کار بردیم تا یک مدل قابل پیش بینی را برای تشخیص نوع فعالیت به وجود آوریم اهمیت این کار این است که از مدل تشخیص فعالیت ما را قادر می سازد تا آگاهی و دانش مفیدی را درباره ی عادات میلیون ها کاربر به دست آوریم به این صورت که از آنها می خواهیم تا تلفن همراه در جیب خود داشته باشند کارمان شاخه وسیعی از برنامه های کاربردی را دارد.
کلیدواژه ها:
نویسندگان
سعید حاتم زاده
گروه مهندسی کامپیوتر، واحد محلات، دانشگاه آزاد اسلامی، محلات ، ایران،
محمدرضا رمضانپور
گروه مهندسی کامپیوتر، واحد مبارکه ،دانشگاه آزاد اسلامی ، مبارکه ، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :