Investigating the Impact of Activity Class Number in Fall Detection Systems

Authors : Sıtkı KOCAOĞLU

Pages : 886-895

Doi:10.35193/bseufbd.714198

View : 14 | Download : 10

Publication Date : 2020-12-30

Article Type : Research Paper

Abstract :Bu çalışmada, yaşlı bireyler için geliştirilen düşme tespit sistemlerinde, makine öğrenmesi tabanlı sınıflandırıcılarda sınıf sayısının azaltılmasının doğruluk seviyesine katkısı araştırılmıştır. Çalışma kapsamında internette açık erişime sunulmuş bir veriseti kullanılmış, aktivite ve postür belirlemede sıkça kullanılan öznitelikler çıkarılmış ve MATLAB Machine Learning Framework’de bulunan sınıflandırıcıların tümü kullanılarak en başarılı sınıflandırıcının tahlili makine öğrenmesi metriklerine göre yapılmıştır. Sınıf sayısı kademeli olarak azaltılıp başarıya etkisi incelenmiştir. Başlangıç aşamasında sınıf sayısı azaltılmadan yapılan sınıflandırmada en başarılı sınıflandırıcı olarak Kübik Destek Vektör Makinesi (Cubic SVM)algoritması belirlenmiştir. Bu algoritmayı kullanarak gerçekleştirilen sınıflandırmada başarı % 96,4 olmuştur. Problemin doğasına da uygun olarak literatürdeki çalışmaların aksine sınıf sayısı 2’ye düşürüldüğünde k en yakın komşuluk (KNN) algoritması ile düşmeler %99,3 oranında doğru şekilde belirlenmiştir.
Keywords : Düşme Tespit Sistemi, Makine Öğrenmesi, İvme Sensörü, Sınıf Sayısı