सूचना प्रौद्योगिकी और सॉफ्टवेयर इंजीनियरिंग जर्नल
खुला एक्सेस

अमूर्त

गतिविधि पहचान के लिए मशीन लर्निंग वर्गीकरण मॉडल पर एक तुलनात्मक अध्ययन

मोहसेन नबियान

एक्टिविटी रिकॉग्निशन (AR) सिस्टम सेल-फोन और स्मार्ट वियरेबल्स के लिए विकसित मशीन लर्निंग मॉडल हैं, जो विभिन्न वास्तविक समय की मानवीय गतिविधियों जैसे कि चलना, खड़ा होना, दौड़ना और बाइक चलाना आदि को पहचानते हैं। इस पेपर में, लॉजिस्टिक रिग्रेशन, सपोर्ट वेक्टर मशीन, K-नियरेस्ट नेबर्स, नैवे बेस, 'डिसीजन ट्री' और रैंडम फॉरेस्ट सहित कई प्रसिद्ध सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग मॉडल के प्रदर्शन (सटीकता और कम्प्यूटेशनल समय) की एक डेटासेट पर जांच की गई है। यह दिखाया गया है कि रैंडम फॉरेस्ट मॉडल 99 प्रतिशत से अधिक सटीकता के साथ अन्य मॉडलों से बेहतर प्रदर्शन करता है। यह दिखाया गया है कि PCA ने सटीकता और समय दोनों में एक छिपी हुई परत और SVM मॉडल के साथ आर्टिफिशियल न्यूरल नेटवर्क के प्रदर्शन में काफी सुधार किया, जबकि PCA ने रनिंग टाइम को बढ़ाकर और भविष्यवाणी की सटीकता को कम करके रैंडम फॉरेस्ट या डिसीजन ट्री मॉडल पर नकारात्मक प्रभाव दिखाया।