Αναγνώριση δραστηριότητας με χρήση Λογισμού Γεγονότων και μέγιστων πιθανοτικών διαστημάτων

Μακρής, Ευάγγελος; Makris, Efangelos

dc.contributor.author	Μακρής, Ευάγγελος	el
dc.contributor.author	Makris, Efangelos	en
dc.date.accessioned	2019-04-01T07:58:52Z
dc.date.available	2019-04-01T07:58:52Z
dc.date.issued	2019-04-01
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48549
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16513
dc.rights	Default License
dc.subject	Αναγνώριση δραστηριότητας	el
dc.subject	Αναγνώριση γεγονότων	el
dc.subject	Λογισμός γεγονότων	el
dc.subject	Πιθανότητες	el
dc.subject	Ταίριασμα προτύπων	el
dc.subject	Activity recognition	en
dc.subject	Event recognition	en
dc.subject	Event calculus	en
dc.subject	Probabilities	en
dc.subject	Pattern matching	en
dc.title	Αναγνώριση δραστηριότητας με χρήση Λογισμού Γεγονότων και μέγιστων πιθανοτικών διαστημάτων	el
heal.type	bachelorThesis
heal.classification	Τεχνητή νοημοσύνη	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-10-03
heal.abstract	Σκοπός αυτής της διπλωματικής εργασίας είναι η αναγνώριση σύνθετων γεγονότων ανθρώπινης δραστηριότητας σε περιβάλλον με θόρυβο, εκτιμώντας πιθανότητες για τα χρονικά διαστήματα στα οποία οι συγκεκριμένες δραστηριότητες λαμβάνουν χώρα. Συγκεκριμένα, η αναγνώριση σύνθετων γεγονότων αναφέρεται στον εντοπισμό και την αξιολόγηση χωρικών και χρονικών γεγονότων τα οποία προέρχονται από ροές δεδομένων αισθητήρων. Πολλοί τύποι αβεβαιότητας παρουσιάζονται στα συστήματα αναγνώρισης γεγονότος που συχνά οδηγεί σε λανθασμένη αναγνώριση. Τυπικά, αυτά τα συστήματα για να αντιμετωπίσουν αυτή την αβεβαιότητα υπολογίζουν την πιθανότητα πραγματοποίησης ενός γεγονότος σε μία συγκεκριμένη χρονική στιγμή (timepoint recognition). Στην παρούσα εργασία, επεκτείνουμε αυτήν την προσέγγιση ορίζοντας την πιθανότητα ενός χρονικού διαστήματος (interval-based recognition) ενώ στη συνέχεια, ορίζουμε ένα μέτρο αξιοπιστίας για κάθε ένα χρονικό διάστημα. Παρουσιάζουμε ακόμα, έναν αλγόριθμο γραμμικού χρόνου για τον υπολογισμό όλων των μέγιστου μήκους χρονικών διαστημάτων των οποίων η πιθανότητα υπερβαίνει ένα προκαθορισμένο κατώφλι. Τέλος, αξιολογούμε την προτεινόμενη μέθοδο, χρησιμοποιώντας ένα σύνολο δεδομένων αναγνώρισης ανθρώπινης δραστηριότητας και παρουσιάζουμε τα αποτελέσματα της σύγκρισης και τις συνθήκες στις οποίες υπερτερεί έναντι ενός συστήματος που πραγματοποιεί αναγνώριση γεγονότων για κάθε χρονική στιγμή.	el
heal.abstract	This diploma thesis aims to the recognition of complex events in noisy environments, estimating probabilities of temporal intervals where these events are more likely to hold. Specifically, activity recognition refers to the detection of temporal combinations of ‘low-level’ or ‘short-term’ activities on sensor data. Various types of uncertainty exist in activity recognition systems and this often leads to erroneous detection. Typically, the frameworks aiming to handle uncertainty compute the probability of the occurrence of activities at each time-point (time-point-based recognition). In this work, We extend this approach by defining the probability of a maximal interval and the credibility rate for such intervals (interval-based recognition). We then propose a linear-time algorithm for computing all probabilistic temporal intervals of a given dataset. Finally, we evaluate the proposed approach using a benchmark activity recognition dataset, and outline the conditions in which our approach outperforms time-point-based recognition.	en
heal.advisorName	Τσανάκας, Παναγιώτης	el
heal.advisorName	Αρτίκης, Αλέξανδρος	el
heal.advisorName	Παλιούρας, Γεώργιος	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Πεκμεστζή, Κιαμάλ	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	70 σ.
heal.fullTextAvailability	true