Akıllı telefonlar üzerinde çevrimiçi eylem tanıma için etkin öznitelik seçimi

Eylem Tanıma konusu yaşam kalitesi ve insan sağlığı ile ilgili doğrudan uygulamaları olan ve günümüzde aktif olarak çalışılan bir araştırma alanıdır. Bu konudaki çalışmalar insanların gün boyunca gerçekleştirdikleri eylemleri farklı türlerde algılayıcılar kullanarak yüksek doğruluk oranıyla sınıflandırabilmeyi amaçlamaktadır. Günlük yaşantımızın vazgeçilmez parçalarından biri haline gelen akıllı telefonlar, insanların eylem tanıma teknolojilerinden ilave bir alet kullanma ya da taşıma zorunluluğu olmaksızın faydalanmalarını sağlayabilecek cihazlardır. Fakat bu cihazların güç ve hesaplama açılarından kısıtlı kaynaklara sahip olması, bu cihazlar üzerinde güç-yoğun ve işlemci-yoğun sınıflandırma yöntemleri ile yüksek doğruluk oranları elde etmeyi zorlaş- tırmaktadır. Bu çalışma hafif bir sınıflandırma algoritması (KNN) ile beş farklı günlük eylemin yüksek doğruluk oranı ile tanınabilmesini sağlayacak bir etkin öznitelik seçimi sunmayı amaçlamaktadır. Bu doğrultuda, bazı özgün öznitelik tipleri ile yaygın olarak kullanılan diğer bazı öznitelik tipleri bir arada kullanılmıştır. Ayrıca, sistemi ener- ji verimli kılmak adına tüm bu öznitelikler yalnızca pantolon cebinde taşınan bir akıllı telefondaki yerleşik ivmeölçerden alınan verilerden çıkarılmıştır. Bu çalışmada ayrıca öznitelik çıkarımından önce algılayıcıdan edinilen veriyi pencerelemek için kullanılan farklı pencere uzunlukları ve pencere işlevlerinin etkisi de değerlendirilmiştir. Elde edilen sonuçlar gösteriyor ki etkin öznitelik seçimi, KNN gibi gerçek-zamanlı ve çevrimiçi sınıflandırmaya uygun, basit bir sınıflandırma algoritması ile umut veren doğruluk oranlarına ulaşmayı mümkün kılmaktadır.