กรุณาใช้ตัวระบุนี้เพื่ออ้างอิงหรือเชื่อมต่อรายการนี้:
https://buuir.buu.ac.th/xmlui/handle/1234567890/7819ระเบียนเมทาดาทาแบบเต็ม
| ฟิลด์ DC | ค่า | ภาษา |
|---|---|---|
| dc.contributor.advisor | จักริน สุขสวัสดิ์ชน | |
| dc.contributor.advisor | อุรีรัฐ สุขสวัสดิ์ชน | |
| dc.contributor.author | เทิดศักดิ์ ดุงแก้ว | |
| dc.contributor.other | มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ | |
| dc.date.accessioned | 2023-05-12T06:08:01Z | |
| dc.date.available | 2023-05-12T06:08:01Z | |
| dc.date.issued | 2561 | |
| dc.identifier.uri | https://buuir.buu.ac.th/xmlui/handle/1234567890/7819 | |
| dc.description | วิทยานิพนธ์ (วท.ม.)--มหาวิทยาลัยบูรพา, 2561 | |
| dc.description.abstract | วัตถุประสงค์ของการรู้จํากิจกรรมจากสมาร์ทโฟน คือการวิเคราะห์ข้อมูลกระแสเชิงเวลา จากตัวรับรู้และระบุกิจกรรมที่เกิดขึ้น ณ ขณะนั้นอย่างถูกต้องแม่นยํา ดังนั้นการรู้จํากิจกรรมทางกายภาพของมนุษย์โดยใช้การวิเคราะห์ข้อมูลตัวรับรู้แอคเซเลอโรมิเตอร์จากโทรศัพท์มือถือของผู้ใช้ จึงเป็นประเด็นที่น่าสนใจสําหรับนักวิจัยและนักพัฒนา งานวิจัยส่วนใหญ่ที่เกี่ยวกับการรู้จํากิจกรรม เป็นงานวิจัยที่สร้างตัวแบบรู้จํากิจกรรมเฉพาะบุคคล ตัวแบบรู้จํากิจกรรมเหล่านี้ใช้ข้อมูลของผู้ใช้คนเดียวกันสําหรับสอนและทดสอบ โดยให้ระบุกิจกรรมตามระยะเวลาที่กําหนด อย่างไรก็ตามการสร้างตัวแบบรู้จํากิจกรรมเฉพาะบุคคลอาจเป็นการรบกวนผู้ใช้มากเกินไป เนื่องจากต้องเสียเวลาสําหรับเก็บรวบรวมข้อมูลกิจกรรม หากผู้ใช้ไม่สามารถทํากิจกรรมทั้งหมดหรือทําไม่ครบตามระยะเวลาที่กําหนด การรู้จํากิจกรรมอาจมีความผิดพลาดเกิดขึ้นได้ ดังนั้นวิทยานิพนธ์นี้จึงได้นําเสนอกรอบแนวคดิการรู้จํากิจกรรมแบบใหม่ 2 วิธีสําหรับการรู้จํากิจกรรมกับข้อมูลกระแสเชิงเวลา กรอบแนวคิดแรกคือ “การรู้จํากิจกรรมไม่เฉพาะบุคคลบนอุปกรณ์สมาร์ทโฟน” หรือ “ไอซาร์” วิธีการไอซาร์ประกอบด้วยขั้นตอนออฟไลน์และออนไลน์ ขั้นตอนออฟไลน์เป็นขั้นตอนสร้างตัวแบบรู้จํากิจกรรมจากข้อมูลที่ทราบการทํากิจกรรม ร่วมกันการใช้เทคนิควิธีการจัดกลุ่มข้อมูลส่วนขั้นตอนออนไลน์เป็นการรู้จํากิจกรรมกับข้อมูลกระแสเชิงเวลาแบบเรียลไทม์ที่สามารถประมวลผลบนอุปกรณ์ กรอบแนวคิดที่สองคือ “การปรับปรุงการรู้จำกิจกรรมไม่เฉพาะบุคคลบนอุปกรณ์สมาร์ทโฟน” หรือ “ไอซาร์พลัส” ผลงานหลักในวิทยานิพนธ์นี้ คือ (1) นําเสนอวิธีการใหม่สําหรับจําแนกกิจกรรมตามคุณลักษณะของแต่ละกิจกรรม โดยจําแนกข้อมูล ออกเป็น 2 กลุ่มกิจกรรม ได้แก่ กลุ่มกิจกรรมแบบนิ่งและกลุ่มกิจกรรมแบบเคลื่อนไหว จากข้อมูลกระแสเชิงเวลาที่กําลังเข้ามาและไม่ทราบว่าเป็นกิจกรรมอะไร (2) ตัวแบบรู้จํากิจกรรมแบบใหม่ นําเสนอวิธีจัดการกับข้อมูลที่ทับซ้อนกัน และสามารถปรับปรุงตัวแบบรู้จํากิจกรรมได้โดยอัตโนมัติ กรอบแนวคิดที่นําเสนอนี้ได้ทดลองกับผู้ใช้หลายคนในสภาพการณ์จริง โดยใช้ข้อมูลสําหรับสอนและ ทดสอบจากข้อมูลกิจกรรม WISDM และ UniMiB-SHAR ผลจากการทดลองพบว่าวิธีการ ISAR และ ISAR+ สมารถให้ประสิทธิภาพที่ดีกว่าวิธีการ STAR ในสถานการณ์จริง โดยเฉพาะอย่างยิ่งกับข้อมูลสอนและทดสอบจากผู้ใช้ที่ต่างกันและไม่จําเป็นต้องสอบถามกิจกรรมที่แท้จริงจากผู้ใช้ | |
| dc.language.iso | th | |
| dc.publisher | คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา | |
| dc.rights | มหาวิทยาลัยบูรพา | |
| dc.subject | สมาร์ทโฟน | |
| dc.subject | มหาวิทยาลัยบูรพา -- สาขาวิชาวิทยาการสารสนเทศ | |
| dc.subject | การวิเคราะห์ระบบ | |
| dc.title | ระบบรู้จำกิจกรรมที่ปรับได้โดยใช้ข้อมูลตัวรับรู้แอคเซเลอโรมิเตอร์ของสมาร์ทโฟน | |
| dc.title.alternative | Adptive ctivity recognition system using the ccelerometer sensory dt of smrtphone. | |
| dc.type | วิทยานิพนธ์/ Thesis | |
| dc.description.abstractalternative | The objective of the smartphone-based activity recognition is to analyze the continuous sensory data and identify the occurrence of the current activities with high accuracy. Therefore, how to be able recognize the human physical activities by analyzing acceleration data generated by a user’s cell phone, is interesting issue for many researchers and developers. Most of the research papers in activities recognition with sensory data are personal classifier models. These models are trained and tested using the collected and annotated data of the same users. However, creating the personalized classifier models may interfere with the users because of spending times to collect activities data. Moreover, if the users cannot complete all activities or cannot complete over a specified period of time so the model can be incorrect recognition. In order to overcome this problem, this thesis proposes the two new activities recognition frameworks for evolving sensory data. The first one is “impersonal smartphone-based activity recognition using the accelerometer sensory data” or “ISAR”. The ISAR is an offline and online phase. In offline phase, we build classifier model from a set of annotated sensory data based on characteristics of activities and clustering approach. The online phase is recognition component which can proceed on-board the mobile phone for real-time data. The second proposed framework is “an improvement impersonal smartphone-based activity recognition using the accelerometer sensory data” or “ISAR+”. Our main contributions in this work are: (1) we propose the new method for distinguishing the activities based on their characteristics. Our new method can be used for identifying the sensory data into two types of activities that are dormant and energetic activities from incoming unlabeled data. (2) The new classifier modeling and recognition component are introduced to deal with the overlapping data and to cut off any inquiry the users about true activities. ฉ The proposed frameworks were trained and tested in an experiment with multiple human subjects in real-world conditions by using WISDM and UniMiB-SHAR datasets. From experimental results, ISAR and ISAR+ can perform dramatically better than STAR model in real situation, especially across different users and without inquiry users. | |
| dc.degree.level | ปริญญาโท | |
| dc.degree.discipline | วิทยาการสารสนเทศ | |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | |
| dc.degree.grantor | มหาวิทยาลัยบูรพา | |
| ปรากฏในกลุ่มข้อมูล: | วิทยานิพนธ์ (Theses) | |
แฟ้มในรายการข้อมูลนี้:
| แฟ้ม | รายละเอียด | ขนาด | รูปแบบ | |
|---|---|---|---|---|
| Fulltext.pdf | 11.51 MB | Adobe PDF | ดู/เปิด |
รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น