Please use this identifier to cite or link to this item:
https://hdl.handle.net/10216/89572| Author(s): | Hugo Louro Cardoso |
| Title: | Predicting Activites from Smartphones |
| Issue Date: | 2016-07-05 |
| Abstract: | Built-in hardware sensors in many of the modern smartphones, such as accelerometers and gyroscopes, open a world of infinite opportunities for novel applications based on the context perceived from the data they provide. Human activity recognition (HAR) is a direct application of this technology, which despite being a very active field of study in the past years, leaves many strategies left to explore and key aspects left to address. A commonly ignored challenge of HAR is the difference of input signals produced by different people when doing the same activities. As a result, the activity classification method should be able to generate adapted results for each different user. This document proposes and explores a solution to this problem by means of "Online Semi-supervised Learning", an underexplored incremental approach capable of adapting the classification model to the user of the application by continuously updating it as the data from the user's own specific input signals arrives. The ideal scenario of this project would be the creation of a smartphone application capable from the beginning of classifying the user's activities with a certain error, and as the time passes and the user utilizes the application, without manual input, the system's classification error would decrease autonomously until it is virtually insignificant for that specific user. Several classification models will be generated from different online semi-supervised approaches, and further evaluated and compared, in order to decide on a best fit. The success of this approach would result in innumerable applications, and could considerably enhance the current interaction between people and their mobile devices, taking the concept of "smartphone" to a whole new level. |
| Description: | Os sensores embutidos na maior parte dos smartphones modernos, tal como acelerómetros e giroscópios, abrem um mundo de infinitas possibilidades para um novo tipo de aplicações baseadas no contexto adquirido a partir dos dados que fornecem. O Reconhecimento de Actividades Humanas (HAR) é uma aplicação directa desta tecnologia, que apesar de ser uma área de estudo bastante activa nos últimos anos, ainda possui diversas estratégias não exploradas e aspectos-chave não correspondidos. Um desafio de HAR normalmente ignorado é a diferença de sinais produzidos por diferentes pessoas enquanto praticam as mesmas actividades. Assim, o sistema de classificação de actividades deveria ser capaz de gerar resultados adaptados para cada utilizador individual. Este documento propõe e explora uma solução para este problema à base de Aprendizagem Semi-supervisionada Online, uma abordagem incremental pouco explorada capaz de adaptar o modelo de classificação ao utilizador da aplicação ao actualiza-lo continuamente à medida que os dados específicos gerados pelo utilizador entram no sistema. O cenário ideal deste projecto seria a criação de uma aplicação para smartphone capaz de, logo de raiz, ser capaz de classificar as actividades de um novo utilizador, com um certo erro, e à medida que o tempo passa e o utilizador usa a aplicação, sem qualquer tipo de instruções manuais, o erro do sistema de classificação diminuiria autonomamente, até ser virtualmente insignificante para esse utilizador específico. Vários modelos de classificação serão gerados a partir de diferentes abordagens de aprendizagem semi-supervisionada, e posteriormente avaliados e comparados, de forma a decidir na melhor selecção. O sucesso desta abordagem resultaria num vasto leque de aplicações, e poderia aumentar consideravelmente a interacção actual entre as pessoas e os seus dispositivos móveis, elevando o conceito de "smartphone" a um nível nunca antes concebido. |
| Subject: | Engenharia electrotécnica, electrónica e informática Electrical engineering, Electronic engineering, Information engineering |
| Scientific areas: | Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática Engineering and technology::Electrical engineering, Electronic engineering, Information engineering |
| DOI: | 10.34626/22xv-c673 |
| TID identifier: | 201305038 |
| URI: | https://hdl.handle.net/10216/89572 |
| Document Type: | Dissertação |
| Rights: | openAccess |
| Appears in Collections: | FEUP - Dissertação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 139181.pdf | Predicting Activities from Smartphones | 599.93 kB | Adobe PDF |  View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.