Klasifikace denních aktivit
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Bakalářská práce se zabývá klasifikací denních aktivit z akcelerometrických dat. V teoretické části práce jsou obecně shrnuty denní aktivity a přínosy jejich monitorování. Dále navazuje kapitola o akcelerometrech a principech jejich fungování. V závěru teoretické části jsou popsány základy umělých neuronových sítí a SVM. Praktická část spočívala ve výběru veřejně dostupné databáze s akcelerometrickými daty denní aktivity a v naměření akcelerometrických vlastních dat. Dále v návrhu a optimalizaci algoritmu ke zpracování dat, provedení klasifikace využitím zvolených modelů a vyhodnocení výsledků úspěšnosti.
This bachelor's thesis describes daily activity classification using accelerometric data. The first theoretical part summarizes the basics about daily activity and benefits that we get from monitoring it. In the next part of theory the principles of accelerometer inner workings are described. The last part of theory is dedicated to explaining the basics of neural networks and SVM. The aim of the practical part was to find a suitable dataset from a publicaly shared database, containing daily activity accelerometric data and also to collect our own data. Then performing classification using our own algorithm, optimizing it and finally evaluating the results.
This bachelor's thesis describes daily activity classification using accelerometric data. The first theoretical part summarizes the basics about daily activity and benefits that we get from monitoring it. In the next part of theory the principles of accelerometer inner workings are described. The last part of theory is dedicated to explaining the basics of neural networks and SVM. The aim of the practical part was to find a suitable dataset from a publicaly shared database, containing daily activity accelerometric data and also to collect our own data. Then performing classification using our own algorithm, optimizing it and finally evaluating the results.
Description
Citation
MÜLLER, J. Klasifikace denních aktivit [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
doc. Ing. Jiří Hozman, Ph.D. (předseda)
prof. Ing. Ivo Provazník, Ph.D. (místopředseda)
Ing. Lukáš Smital, Ph.D. (člen)
Ing. Kateřina Jurečková (člen)
MUDr. Jaromír Gumulec, Ph.D. (člen)
Date of acceptance
2021-06-16
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Ing. Smital položil otázku, jak se tvořila databáze pro trénování a jaká data obsahuje? Na základě čeho byly zvoleny příznaky? Jsou tam příznaky z frekvenční roviny? MUDr. Gumulec položil otázku, jaká je závislost mezi velikostí trénovacího datasetu a přesností klasifikace? Jak lze tuto přesnost klasifikace zlepšit? Student obhájil bakalářskou práci s výhradami a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení