Lapalu Jérémy, Bouchard Kévin, Bouzouane Abdenour, Bouchard Bruno et Giroux Sylvain. (2013). Unsupervised mining of activities for smart home prediction. Procedia Computer Science, 19, p. 503-510.
Prévisualisation |
PDF
- Version publiée
162kB |
URL officielle: http://dx.doi.org/doi:10.1016/j.procs.2013.06.067
Résumé
This paper addresses the problem of learning the Activities of Daily Living (ADLs) in smart home for cognitive assistance to an occupant suffering from some type of dementia, such as Alzheimer's disease. We present an extension of the Flocking algorithm for ADL clustering analysis. The Flocking based algorithm does not require an initial number of clusters, unlike other partition algorithms such as K-means. This approach allows us to learn ADL models automatically (without human supervision) to carry out activity recognition. By simulating a set of real case scenarios, an implementation of this model was tested in our smart home laboratory, the LIARA.
Type de document: | Article publié dans une revue avec comité d'évaluation |
---|---|
ISSN: | 18770509 |
Volume: | 19 |
Pages: | p. 503-510 |
Version évaluée par les pairs: | Oui |
Date: | 2013 |
Identifiant unique: | 10.1016/j.procs.2013.06.067 |
Sujets: | Sciences naturelles et génie > Sciences mathématiques > Informatique Sciences naturelles et génie > Sciences mathématiques > Statistiques Sciences de la santé |
Département, module, service et unité de recherche: | Départements et modules > Département d'informatique et de mathématique |
Mots-clés: | flocking, data mining, clustering, smart home, proceedings |
Déposé le: | 12 févr. 2021 20:08 |
---|---|
Dernière modification: | 12 févr. 2021 20:08 |
Éditer le document (administrateurs uniquement)