Sınıflandırma yöntemlerinin akıllı telefonlar üzerinde çevrimiçi eylem tanıma için başarım değerlendirmesi

İnsan eylemlerinin görsel ve hareket algılayıcı verileri ile tanınması konusu hareketli ve sürekli/yaygın hesaplama alanında çalışılan güncel araştırma konularından biri olarak yer almaktadır. Bu konu, temel olarak, farklı algılama teknolojileri kullanılarak insan eylemleri ile ilgili veri toplanmasını ve toplanan veri ile eylemlerin sınıflandırılmasını içermekte, aynı zamanda sağlık, destekli yaşam, spor ve eğlence gibi uygulama alanlarını hedeflemektedir. Bu alanda pek çok araştırma olmasına rağmen, mevcut sınıflandırıcıların başarımlarını karşılaştıran ve aynı zamanda eylemleri çevrimiçi eğitim ve sınıflandırma yöntemleri ile tanımlayan çok az örnek çalışma bulunmaktadır. Bu tezin amacı, insan eylemlerinin akıllı telefonlar üzerindeki ivmeölçer algılayıcısı kullanılarak tanınmasıdır. Amacımız, yürüme, koşma, oturma, ayakta durma, bisiklete binme gibi temel insan hareketlerinin telefon üzerinde veri işlenmesi ile sınıflandırılmasıdır. Literatürde yer alan çalışmalardan farklı olarak, veri toplama, eğitim kümesi modelleme ve aktivite sınıflandırması çevrimiçi olarak yapılmaktadır. Bunun yanında, Naif Bayes, kümelenmiş KNN ve Karar Ağacı sınıflandırma algoritmalarının çevrimiçi başarımları karşılaştırılmıştır. Bu amaçla hedeflediğimiz telefon modelleri ile uyumlu bir Android uygulaması geliştirilmiş ve literatürde yer alan çalışmalardan farklı olarak, birden fazla telefon modeli ile performans değerlendirmesi yapılmıştır. Sınıflandırma algoritmalarının başarımları, farklı deneklerle test edilmiş ve sonuçlara göre, kümelenmiş KNN tekniği diğer sınıflandırma algoritmalarını doğruluk ve çalışma süresi açısından daha yüksek başarım sergilemiştir. Ayrıca, örnekleme zamanı, pencere büyüklüğü ve bunun gibi önemli sistem parametrelerinin başarım üzerindeki etkisi de incelenmiştir.