نموذج تسجيل النشاط القائم على الهاتف المحمول

الملخص

في العقد الماضي ، أصبح التعرف على النشاط (AR) للبشر عبر الهواتف الذكية موضوعًا مهمًا وجذابًا للعلماء والمطورين في العديد من المجالات من الرعاية الصحية إلى أنظمة الأمان في الوقت الفعلي. في هذا البحث ، عملنا على الواقع المعزز استنادًا إلى البيانات المجمعة من مقاييس التسارع للهواتف الذكية التي تعمل بنظام Android والمثبتة في منطقة الخصر أثناء القيام بأنشطة مختلفة (مثل المشي والركض وصعود السلالم ونزول السلالم والجلوس والوقوف). لتحقيق هذا الهدف ، تم إجراء ستة خوارزميات تصنيف: Naïve Bayes (NB) ، و Multi Layer Perceptron (MLP) ، و Bayes Network (BN) ، و Min-imal Optimization (SMO) ، و Kstar ، و Decision Tree (DT). تم توضيح وتحليل النتائج التجريبية للنماذج الستة. تعلن نتائج Com-parison أن خوارزمية MLP تتفوق في الأداء على أنظمة algo-rithms الأخرى.