| dc.contributor.advisor | Γούδας, Θεοδόσιος | |
| dc.contributor.author | Υψηλάντης, Σταύρος | |
| dc.contributor.other | Ypsilantis, Stavros | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2021-02-15T08:19:35Z | |
| dc.date.available | 2021-02-15T08:19:35Z | |
| dc.date.copyright | 2021-02-15 | |
| dc.date.issued | 2020-11 | |
| dc.identifier.other | ΕΠΤ/2020/00036 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/4775 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Σκοπός της παρούσας διατριβής είναι να γίνει data mining με σκοπό την αναγνώριση της ανθρώπινης δραστηριότητας μέσω της εκπαίδευσης διαφόρων αλγόριθμων πάνω σε ένα δημοσιευμένο dataset που αφορά δεδομένα έξι ανθρωπίνων δραστηριοτήτων που εκτελέστηκαν από ένα δείγμα ανθρώπων. Για την εκπαίδευση των αλγορίθμων χρησιμοποιήθηκε το πρόγραμμα Weka. Γίνεται μία βιβλιογραφική επισκόπηση των ερευνών που υπάρχουν πάνω στο αντικείμενο και στη συνέχεια αναλύεται το υπάρχων dataset και τα χαρακτηριστικά που περιλαμβάνει και έχουν συλλεχθεί από τους αισθητήρες του κινητού τηλεφώνου (accelerometer and gyroscope). Στη συνέχεια επεξηγούνται οι αλγόριθμοι που πέτυχαν τα καλύτερα αποτελέσματα. Περιγράφεται επιγραμματικά το πρόγραμμα weka και αναλυτικά τα βήματα που γίνονται για την δημιουργία των αρχείων εκπαίδευσης και δοκιμής ώστε να διαβαστούν από το weka και στη συνέχεια τα βήματα που γίνονται για να εκπαιδευτούν οι αλγόριθμοι και να εξαχθούν τα αποτελέσματα. Μετά παρουσιάζονται αναλυτικά τα αποτελέσματα των αλγορίθμων και γίνεται η σύγκριση μεταξύ τους. Έπειτα γίνεται ένας σχολιασμός των αποτελεσμάτων και τα συμπεράσματα που εξάγονται και έχουν να κάνουν με την ακρίβεια κάθε αλγορίθμου καθώς και με τα προβλήματα ταξινόμησης που προκύπτουν. Τέλος γίνονται προτάσεις για μελλοντική έρευνα πάνω στο αντικείμενο. | el_GR |
| dc.format.extent | 103 σ. 30 εκ. | el_GR |
| dc.language | gr | el_GR |
| dc.language.iso | gr | el_GR |
| dc.publisher | Ανοικτό Πανεπιστήμιο Κύπρου | el_GR |
| dc.rights | info:eu-repo/semantics/closedAccess | el_GR |
| dc.subject | Data mining | el_GR |
| dc.subject | Τηλεϊατρική -- Έξυπνες συσκευές | el_GR |
| dc.subject | Telemedicine -- Smart devices | el_GR |
| dc.title | Αναγνώριση ανθρώπινης δραστηριότητας με χρήση έξυπνου κινητού τηλεφώνου | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | The purpose of this dissertation is to identify human activity via data mining, through the training
of various algorithms on a published dataset relating to data on six human activities. The Weka
program was used for algorithm training.
The dissertation starts with an overview of the existing research on the subject, followed by an
analysis of the dataset used, its characteristics and the data that have been collected from the
sensors of the mobile phones (accelerometer and gyroscope). A detailed description of the
algorithms that achieved the best results and of the Weka program follows, along with the steps
taken to create the training and the test files to be read by Weka and the steps taken to train the
algorithms and extract the results.
Then the results of the algorithms are presented in detail and a comparison between them is
being made, followed by a comment on the results and the conclusions that are drawn, mainly
regarding the accuracy of each algorithm as well as classification problems that arise. The
dissertation concludes with suggestions for future research on the subject. | el_GR |
| dc.format.type | pdf | el_GR |
