Publication

Semantic Activity Classification Using Locomotive Signatures from Mobile Phones

Karl Aberer
2012
Reports

Résumé

We explore the use of mobile phone-generated sensor feeds to determine the high-level (i.e., at the semantic level), indoor, lifestyle activities of individuals, such as cooking & dining at home and working & having lunch at the work- place. We propose and evaluate a 2-Tier activity extraction framework (called SAMMPLE1) where features of the low-level accelerometer data are first used to identify individual locomotive micro-activities (e.g., sitting or standing), and the micro-activity sequence is subsequently used to identify the discriminatory characteristics of individual semantic activities. Using 152 days of real-life behavioral traces from users, our approach achieves an average accuracy of 77.14%, an improvement of 16.37% from the traditional 1-Tier approach, which directly uses statistical features of the accelerometer stream, towards such activity classification tasks.

Source officielle

https://infoscience.epfl.ch/entities/publication/32496b40-4bd6-44aa-90f6-acdd33b63a95

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Karl Aberer
2012
Reports

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/32496b40-4bd6-44aa-90f6-acdd33b63a95

À propos de ce résultat

Concepts associés (32)

Classement automatique

vignette|La fonction 1-x^2-2exp(-100x^2) (rouge) et les valeurs déplacées par un bruit de 0,1*N(0,1). Le classement automatique ou classification supervisée est la catégorisation algorithmique d'objets. Elle consiste à attribuer une classe ou catégorie à chaque objet (ou individu) à classer, en se fondant sur des données statistiques. Elle fait couramment appel à l'apprentissage automatique et est largement utilisée en reconnaissance de formes. En français, le classement fait référence à l'action de classer donc de « ranger dans une classe ».

Semantic data model

A semantic data model (SDM) is a high-level semantics-based database description and structuring formalism (database model) for databases. This database model is designed to capture more of the meaning of an application environment than is possible with contemporary database models. An SDM specification describes a database in terms of the kinds of entities that exist in the application environment, the classifications and groupings of those entities, and the structural interconnections among them.

Identifiant

Un identifiant est une sorte de nom qui sert à identifier un objet précis dans un ensemble d'objets ; ou plus largement toute suite de caractères qui joue ce rôle-là. En principe, un identifiant devrait être unique pour chaque objet. En pratique (comme pour les noms de personnes ou de lieux) ce n'est pas toujours le cas, sauf s'il s'agit d'un ensemble d'identifiants défini par une norme technique. Un identifiant de métadonnée est un signe, une étiquette ou un jeton indépendant du langage, qui identifie de manière unique un objet au sein d'un schéma d'identification.

Afficher plus