Revista de Tecnología de la Información e Ingeniería de Software
Acceso abierto

abstracto

Un estudio comparativo sobre los modelos de clasificación de aprendizaje automático para el reconocimiento de actividad

Mohsen Nabian

Los sistemas de reconocimiento de actividad (AR) son modelos de aprendizaje automático desarrollados para teléfonos celulares y dispositivos portátiles inteligentes para reconocer diversas actividades humanas en tiempo real, como caminar, estar de pie, correr y andar en bicicleta En este artículo, se analiza el rendimiento (precisión y tiempo de cálculo) de varios modelos de aprendizaje supervisados y no supervisados muy conocidos, incluidos la regresión logística, la máquina de vectores de soporte, los vecinos más cercanos, la base ingenua, el árbol de decisiones y Random Forest se examinan en un conjunto de datos. Se muestra que el modelo Random Forest supera a otros modelos con una precisión superior al 99 por ciento. Se muestra que PCA mejoró significativamente el rendimiento de la red neuronal artificial con una capa oculta y los modelos SVM tanto en precisión como en tiempo, mientras que PCA demostró tener impactos negativos en los modelos Random Forest o Decision Tree al aumentar el tiempo de ejecución y disminuir la precisión de la predicción. .