MỞ ĐẦU 'Tính cấp thiết của luận văn Ngày may, theo đối sức khỏe là một vẫn đề được đặc biệt quan tầm trên thế giới. Đặc biệt tại các nước phát triển, các vẫn dễ về ý tể, sức khỏe nhận được sự quan tâm hàng đầu. Với những người cao tuổi, người có sức khỏe yếu thường xây Ta những biến cổ bất ngờ như ngã, đột quy nhưng không phải hàc nào cũng có điều kiện chăm sóc y tế, theo dối thường xuyên tử nhân viên y tế hoặc người thân. Những va chạm mạnh như vậy thường gây ra những ảnh hưởng lớn đến sức khỏe Tiểu không được phải hiện và xử lý kịp thời Với sự phát triển không ngừng nghỉ của khoa học kỹ thuật, điện thoại thông zninh ngày cảng phế biến trên thể giới.
Mọi người trên thê giới hiện nay đều có thê tiếp cận và sở hữu cho mình một chiếc điện thoại thông mình rất để đàng. Điện thoại thông mình được tích hợp rất nhiều loại cắm biến khác, kèm theo đỏ điện thoại thông mính thường được đem đi thường xuyên và sử đụng nhiều trong cuộc sống cho phứp nó rỡ thành một công cụ rất hữu ích ong việc thu thập các đũ liệu từ người dùng, Rất nhiều công, trình nghiên cứu và ửng đụng liên quan dén viée thu thập đít liện từ cảm biến của điện thoại thông minh được công bỏ trong nhímg năm gan day, Vi vậy, với những yếu tổ về con người, khoa học kỹ thuật kể trên, chúng tôi xnuốn xây dựng mô hình có thể phải hiện bánh động ngã thông cua việc sử đụng dứ liệu cảm biến của diện thoại thông minh. Do dỏ tôi đã chọn dé tai: “Nghiên cứu và xâu dựng hệ thông phát hiện hành động ngã của người đi bộ dụa trên cảm biển của điện thoại đi động” làm đề tài nghiên cứu của luận văn thạc sĩ chuyên ngành Kỹ. thuật phân mềm DANIIMUC BANG BIEU Bang 2-1.
Ma trận nhằm lẫn. Độ đo AUC với đỏ chinh xae cia mé hinh phân lớp. Các hoại đông thường ngày Bang 3-2. Các trang thải ngÃ.
Mồ hình RÈ với các thông số mặc định. Kế quả phân lớp của mô hình RE 37 Bang 3-5. Bộ tham số của mô hình ANN va SVM. Bảng 3-6, Kal quả phân lớp của mô hinh ANN 39 Bảng 3-7, Kết quả phan lớp của mộ hình 8VM.
Két qua mé hinh phân lớp san tôi tru 43 Bảng 3-9. Kal quả mô hình phân lớp bạn đâu 4 Hằng 3-10. Ma trận nhằm lẫn của mô hình Random Forsst sau tôi tru 46 Bảng 3-I 1. Mô hình để xu và nghiên cửu liên quan.
47 DANIIMUC BANG BIEU Bang 2-1. Ma trận nhằm lẫn. Độ đo AUC với đỏ chinh xae cia mé hinh phân lớp. Các hoại đông thường ngày Bang 3-2.
Các trang thải ngÃ. Mồ hình RÈ với các thông số mặc định. Kế quả phân lớp của mô hình RE 37 Bang 3-5. Bộ tham số của mô hình ANN va SVM.
Bảng 3-6, Kal quả phân lớp của mô hinh ANN 39 Bảng 3-7, Kết quả phan lớp của mộ hình 8VM. Két qua mé hinh phân lớp san tôi tru 43 Bảng 3-9. Kal quả mô hình phân lớp bạn đâu 4 Hằng 3-10. Ma trận nhằm lẫn của mô hình Random Forsst sau tôi tru 46 Bảng 3-I 1.
Mô hình để xu và nghiên cửu liên quan. 47 LOI CAM ON học Quốc gia 11a Nội, đưới sụ hướng dẫn của PGS. Nguyễn Hà Nam. Trước tiên, tôi xm gửi lời cảm ơn sâu sắc tới PGS.
Nguyễn Hà Nam Người Thấy đã tận tụy chí dạy, giúp đỡ tôi giải quyết những vẫn đề khó khăn trong, phiên cứu khoa học và trong, cuộc sống, Tôi cũng xin gửi lời cảm ơm tới lập thể các Thấy, Cô giáo, các Nhà khoa học trong khoa CNTT đã truyền đạt những kiển thức quý báu và đã tạo điêu kiện thuận lợi cho tôi trong quá trình học tập và nghiên cứu. Đề có được dữ liêu phục vụ cho nghiên cứu, lôi xin gửi lời cảm ơn tới Nhóm nghiên cứ của PGS. Nguyễn Ha Nam, thây Nguyễn Dức Nhân, anh Lé Iléng Lam, anh Phung Quang Luyén, em Nguyễn Vũ Đông đã giúp tôi thu thập đữ liệu cũng như tiến hành một số thực Trgiệm liên quan dén Luan vin. Tôi cũng gửi lời trí An tới bạn bẻ, đồng nghiệp, người thân đã giúp đỡ và hỗ trợ tôi lrong suốt quá trình nghiên cứu.
Cuối củng, tôi vô củng, biết ơn gia dinh, bố mẹ, anh chỉ em, dặc biệt là vợ và con nhỏ của tôi, những người đã động viên, giảnh những điều kiện tốt nhất để tôi có thể hoàn thành chương trình nghiên cửu của mình Phi Ba Chién Ha Nai, 2020 2. Các phương pháp phân lớp 14 2.1 Random Forest - wo AS 2. ArtiBcial Neural Network.3 Support Vector Machine 17 3.4 Phương pháp đánh gid phan kip 18 2.42 Hiểu đỗ RÓC và độ đo AUC 30 3.5 Kế hiện chương - - 22 CHUONG 3. XÂY DỰNG MÔ HÌNH PHÁT HIỆN HANH ĐỌNG.3 Tổng quan hệ thông.1 Diti3u thu th§p tir cam biển gia lốc D4 3.2 Xây dụng tập thuộc tinh dic trưng.
Thuật toán tôi ưu Particlc Swarm Optimization — P§O. Mô hình nhận đạng vả thuật toán P§O.4 Thực nghiệm và đánh giá - eo BA 3.41 Môi tưởng thực nghiệm.42 Dữ hậu thực nghiêm 34 3.43 higm vai Random Forest - .4 m với ANN va SVM.5 Téi wa imé hink Random Forest và thuật toàn PRO.5 Kếtluận chương - a AB KET LUẬN. TAI LIEU THAM KHẢO. LOI CAM ON học Quốc gia 11a Nội, đưới sụ hướng dẫn của PGS.
Nguyễn Hà Nam. Trước tiên, tôi xm gửi lời cảm ơn sâu sắc tới PGS. Nguyễn Hà Nam Người Thấy đã tận tụy chí dạy, giúp đỡ tôi giải quyết những vẫn đề khó khăn trong, phiên cứu khoa học và trong, cuộc sống, Tôi cũng xin gửi lời cảm ơm tới lập thể các Thấy, Cô giáo, các Nhà khoa học trong khoa CNTT đã truyền đạt những kiển thức quý báu và đã tạo điêu kiện thuận lợi cho tôi trong quá trình học tập và nghiên cứu. Đề có được dữ liêu phục vụ cho nghiên cứu, lôi xin gửi lời cảm ơn tới Nhóm nghiên cứ của PGS.
Nguyễn Ha Nam, thây Nguyễn Dức Nhân, anh Lé Iléng Lam, anh Phung Quang Luyén, em Nguyễn Vũ Đông đã giúp tôi thu thập đữ liệu cũng như tiến hành một số thực Trgiệm liên quan dén Luan vin. Tôi cũng gửi lời trí An tới bạn bẻ, đồng nghiệp, người thân đã giúp đỡ và hỗ trợ tôi lrong suốt quá trình nghiên cứu. Cuối củng, tôi vô củng, biết ơn gia dinh, bố mẹ, anh chỉ em, dặc biệt là vợ và con nhỏ của tôi, những người đã động viên, giảnh những điều kiện tốt nhất để tôi có thể hoàn thành chương trình nghiên cửu của mình Phi Ba Chién Ha Nai, 2020 DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT R TIẾN GIẢI TU VIBT TAT TIENG ANH TIENG VIET RF Random Forest Thuật toán phân lớp rừng ngẫu nhiên Artificial Neural ANN Thuật Loán phân lớp inanyg io-ron Network Thuật toán phân lớp may véc-tơ hỗ SVM Support Vector Machine _. AUC Area Under Curve tich dudi duémg cong ROC Âm tỉnh giá (mẫu mang nhãn duor FN False Negalive aia 0 "8 % bị phân lớp sai vào lớp âm) Duong tính giả (mẫu mang nhấn âm FP False Positive - bị phân lớp sai vào lớp đương) Âm tỉnh thật (mâu mang nhàn âm TN True Negalive ene được phân lớp đúng vào lớp âm) Tương tính thật (nấu mang nhãn TP Truc Positive dương được phân lớp đúng vào lớp dương) Recsiver Operator ROC : Đặc tính hoại động của bộ thu nhận Characteristic Particle Swarm : : PSO Thuật toán tối ưu bây đản Oplimization Trgtitule o[ Eleelrical and | —- - IEEE Hội Kỹ sư Điện và Điện tứ Tleotronics Engineers DANII MỤC HÌNII ẢNH Hình 2-1.
Một số kỹ thuật chuẩn bị dữ liệu. Hình 2-2 Phân đoạn chuỗi tín hiệu thành các cửa số đữ liệu. Thuật toán Random FOrest. Mỏ tá nang ANN Hình 2-5, Không gian trong mô hình 8WM.
Biêu đỗ biển điễn dum cong ROC Hình 2-7, Diện tích đường cong ROC (độ do AUC). Tổng quan hệ thẳng phát hiện hành đông nga 23 Hình 3-2. Các trục 3X, Y, 7 trần cam biển gia lốc 24 Hình 3-3. Dũ liệu thời gian ba trục X, Y, Z biểu diễn trên đồ thị Hình 3-4.
Mô tả quá trình tìm kiểm thức ăn của đần chín Hình 3-5, Quá trình cập nhật vị trí sử dụng PSO. Tếi ta mô hình băng thuật toản PSO Hinh 3-7. Biểu đồ kết quả phân lớp của mổ hình RF. Biểu đỗ kết quả mô hình ANN 40 Hinh 3-9, Biểu đô kết quả mô hình §VM.
Biểu đỏ kết quả hành động ngã BSC. oe AB Hình 3-11. Biểu đẻ kết quả hành động ngi FKL. Biển đồ kết quả hành động ngã FOL.
Biểu đô kếI quả hành động ngi SDE. Biểu đẻ kết quả phản lớp chung cửa mô lảnh. Các phương pháp phân lớp 14 2.1 Random Forest - wo AS 2. ArtiBcial Neural Network.3 Support Vector Machine 17 3.4 Phương pháp đánh gid phan kip 18 2.42 Hiểu đỗ RÓC và độ đo AUC 30 3.5 Kế hiện chương - - 22 CHUONG 3.
XÂY DỰNG MÔ HÌNH PHÁT HIỆN HANH ĐỌNG.3 Tổng quan hệ thông.1 Diti3u thu th§p tir cam biển gia lốc D4 3.2 Xây dụng tập thuộc tinh dic trưng. Thuật toán tôi ưu Particlc Swarm Optimization — P§O. Mô hình nhận đạng vả thuật toán P§O.4 Thực nghiệm và đánh giá - eo BA 3.41 Môi tưởng thực nghiệm.42 Dữ hậu thực nghiêm 34 3.43 higm vai Random Forest - .4 m với ANN va SVM.5 Téi wa imé hink Random Forest và thuật toàn PRO.5 Kếtluận chương - a AB KET LUẬN. TAI LIEU THAM KHẢO.
LỜI CAM ĐỌA LGI CAM ON. gủa luận văn Mục tiêu của luận văn. " „2 ỗi tượngvà phạm vi nghiên cứu 2 Đồng góp của luận vẫn 2 Bỏ cục của luận văn. ceiererrrrre —- aoe) CHUONG 1.
TONG QUAN VE NHAN DANG HANH ĐỘI at 11 Giới thiệu 4 1.2 Một số Khải niệm cơ bản. Cáo phương pháp nhận diện hành động $ 1.4 Mội số nghiên cửu lên quan - - 6 1. Sử đụng đữ liệu cảm biểndễ phân tích hành động. 7 1⁄6 Kếthuận chương - - 8 CHƯƠNG 2.
MỘT SỐ KỸ THUẬT KHÁI PHẢ ĐỮ LIEU CHUỔI THỜI GIAN.2 Đặc điểm và một số cách xử lý đữ liệu thời gian thực.2 Cửa số dữ liệu „11 2.3 Biến đôi đũ liệu - coe HL 2.4 Thuộc tỉnh trên miễn thời gian.8 Thuộc tỉnh trén mién tin sé.6 ‘Tham sé Ljorth - - 14 iii 2. Các phương pháp phân lớp 14 2.1 Random Forest - wo AS 2. ArtiBcial Neural Network.3 Support Vector Machine 17 3.4 Phương pháp đánh gid phan kip 18 2.42 Hiểu đỗ RÓC và độ đo AUC 30 3.5 Kế hiện chương - - 22 CHUONG 3. XÂY DỰNG MÔ HÌNH PHÁT HIỆN HANH ĐỌNG.3 Tổng quan hệ thông.1 Diti3u thu th§p tir cam biển gia lốc D4 3.2 Xây dụng tập thuộc tinh dic trưng.
