Bu çalışma, fiziksel aktivitelerin objektif bir şekilde değerlendirilmesi amacıyla ivmeölçerler, jiroskoplar ve atalet ölçüm üniteleri (IMU) gibi sensörlerin kullanılmasını ele almaktadır. Bu sensörler, insan aktivitelerinin sınıflandırılması için kullanılarak, özellikle yürüyüş özelliklerinin değerlendirilmesine olanak tanımaktadır. IMU'lar, ivmeölçer ve jiroskop gibi sensörleri birleştirerek daha güvenilir veri sağlamaktadır. Derin öğrenme modelleri, bu sensör verilerini kullanarak oturma, yürüme, merdiven çıkma/iniş, düşme gibi aktiviteleri sınıflandırma yeteneği göstermektedir. Ancak, durağan verilerin ayırt edilmesi zorluğuyla karşılaşılmaktadır. Bu çalışma, bu zorluğu aşmak için istatistiksel parametreler, konvolüsyonlar ve frekans alanı özellikleri gibi çeşitli özellik temsillerini birleştiren bir yaklaşımı ele almaktadır. Çalışma, giyilebilir IMU sensörlerinin kullanıldığı İnsan Aktivitesi Tanımlama (HAR) alanındaki literatürü incelemekte ve yaşlı bakımı, Ortam Destekli Yaşam (AAL) ve sağlıklı yaşam gibi uygulama alanlarını tartışmaktadır. Ayrıca, düşme tespiti, parkinson hastalığı teşhisi gibi örnek uygulamalara odaklanan önceki çalışmalardan örnekler sunmaktadır.
Eser Adı (dc.title) | Makine Öğrenmesi Yöntemleri Kullanılarak İnsan Aktivitesinin Sınıflandırılması |
Eser Sahibi (dc.contributor.author) | Muhammed Onur Öztürk |
Tez Danışmanı (dc.contributor.advisor) | Doğan Aydın |
Yayıncı (dc.publisher) | İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü |
Tür (dc.type) | Diğer |
Özet (dc.description.abstract) | Bu çalışma, fiziksel aktivitelerin objektif bir şekilde değerlendirilmesi amacıyla ivmeölçerler, jiroskoplar ve atalet ölçüm üniteleri (IMU) gibi sensörlerin kullanılmasını ele almaktadır. Bu sensörler, insan aktivitelerinin sınıflandırılması için kullanılarak, özellikle yürüyüş özelliklerinin değerlendirilmesine olanak tanımaktadır. IMU'lar, ivmeölçer ve jiroskop gibi sensörleri birleştirerek daha güvenilir veri sağlamaktadır. Derin öğrenme modelleri, bu sensör verilerini kullanarak oturma, yürüme, merdiven çıkma/iniş, düşme gibi aktiviteleri sınıflandırma yeteneği göstermektedir. Ancak, durağan verilerin ayırt edilmesi zorluğuyla karşılaşılmaktadır. Bu çalışma, bu zorluğu aşmak için istatistiksel parametreler, konvolüsyonlar ve frekans alanı özellikleri gibi çeşitli özellik temsillerini birleştiren bir yaklaşımı ele almaktadır. Çalışma, giyilebilir IMU sensörlerinin kullanıldığı İnsan Aktivitesi Tanımlama (HAR) alanındaki literatürü incelemekte ve yaşlı bakımı, Ortam Destekli Yaşam (AAL) ve sağlıklı yaşam gibi uygulama alanlarını tartışmaktadır. Ayrıca, düşme tespiti, parkinson hastalığı teşhisi gibi örnek uygulamalara odaklanan önceki çalışmalardan örnekler sunmaktadır. |
Kayıt Giriş Tarihi (dc.date.accessioned) | 2024-03-13 |
Açık Erişim Tarihi (dc.date.available) | 2024-03-13 |
Yayın Tarihi (dc.date.issued) | 2024 |
Tek Biçim Adres (dc.identifier.uri) | https://hdl.handle.net/11469/3943 |
Yayın Dili (dc.language.iso) | tr |
Konu Başlıkları (dc.subject) | İnertial Ölçüm Birimi (İÖB) |
Konu Başlıkları (dc.subject) | İnsan Aktivitesi Tanıma (İAT) |
Haklar (dc.rights) | Open access |