Bücher von Duy Nguyen

O agrupamento e reconhecimento de actividades é uma importante tendência de investigação sobre casas inteligentes. Os agrupamentos de resultados obtidos a partir do processo de formação são aplicados no reconhecimento, controlo e previsão de actividades dentro de uma casa inteligente com sensores. As actividades diferem umas das outras por características típicas, tais como conjuntos de sensores accionados ou características temporais. Neste trabalho, apresentamos uma infraestrutura de casa inteligente e propomos uma abordagem não supervisionada de agrupamento de actividades em casa com base em características temporais. Os resultados das experiências mostram que a nova abordagem cria resultados de agrupamento mais flexíveis e precisos quando comparada com o sistema de casa inteligente denominado AALO relatado no trabalho de investigação de Enamul Hoque et al. Além disso, neste trabalho prova-se que os resultados de agrupamento afectam significativamente o resultado do processo de previsão da atividade seguinte através de resultados de comparação experimental.

Das Clustering und die Erkennung von Aktivitäten ist ein wichtiger Forschungstrend im Bereich Smart Home. Die aus dem Trainingsprozess gewonnenen Ergebniscluster werden bei der Erkennung, Steuerung und Vorhersage von Aktivitäten in einem sensorgesteuerten Smart Home eingesetzt. Aktivitäten unterscheiden sich voneinander durch typische Merkmale wie z.B. ausgelöste Sensorsätze oder zeitliche Merkmale. In dieser Arbeit stellen wir eine Smart-Home-Infrastruktur vor und schlagen einen unbeaufsichtigten Ansatz zum Clustern von Aktivitäten im Haus auf der Grundlage zeitlicher Merkmale vor. Experimentelle Ergebnisse zeigen, dass der neue Ansatz flexiblere und genauere Clustering-Ergebnisse im Vergleich zum Smart-Home-System AALO liefert, das in der Forschungsarbeit von Enamul Hoque et al. vorgestellt wurde.

Il raggruppamento e il riconoscimento delle attività è un importante filone di ricerca sulla smart home. I cluster di risultati ottenuti dal processo di addestramento vengono applicati per riconoscere, controllare e prevedere le attività all'interno di una casa intelligente dotata di sensori. Le attività si differenziano l'una dall'altra per caratteristiche tipiche, come gli insiemi di sensori attivati o quelli temporali. In questo lavoro, presentiamo un'infrastruttura per case intelligenti e proponiamo un approccio non supervisionato di clusterizzazione delle attività domestiche basato su caratteristiche temporali. I risultati degli esperimenti dimostrano che il nuovo approccio crea risultati di clustering più flessibili e accurati rispetto al sistema di smart home denominato AALO riportato nel lavoro di ricerca di Enamul Hoque et al. Inoltre, in questo lavoro si dimostra che i risultati del clustering influiscono in modo significativo sul risultato del processo di previsione della prossima attività attraverso i risultati del confronto sperimentale.

Le regroupement et la reconnaissance d'activités est une tendance de recherche importante dans le domaine de la maison intelligente. Les groupes de résultats obtenus à partir du processus de formation sont appliqués à la reconnaissance, au contrôle et à la prévision des activités à l'intérieur d'une maison intelligente équipée de capteurs. Les activités diffèrent les unes des autres par des caractéristiques typiques telles que les ensembles de capteurs déclenchés ou les caractéristiques temporelles. Dans ce travail, nous présentons une infrastructure de maison intelligente et proposons une approche non supervisée de regroupement des activités à l'intérieur de la maison sur la base de caractéristiques temporelles. Les résultats expérimentaux montrent que la nouvelle approche produit des résultats de regroupement plus flexibles et plus précis que le système de maison intelligente appelé AALO présenté dans le travail de recherche d'Enamul Hoque et al. En outre, dans ce travail, il est prouvé que les résultats de regroupement affectent de manière significative le résultat du processus de prévision de l'activité suivante via les résultats de la comparaison expérimentale.

La agrupación y el reconocimiento de actividades es una importante tendencia de investigación sobre el hogar inteligente. Los clústeres de resultados obtenidos a partir del proceso de formación se aplican para reconocer, controlar y predecir actividades dentro de un hogar inteligente con sensores. Las actividades difieren unas de otras en características típicas como los conjuntos de sensores activados o las temporales. En este trabajo, presentamos una infraestructura de hogar inteligente y proponemos un enfoque no supervisado de agrupación de actividades en el hogar basado en características temporales. Los resultados experimentales muestran que el nuevo enfoque crea resultados de clustering más flexibles y precisos en comparación con el sistema de hogar inteligente llamado AALO reportado en el trabajo de investigación de Enamul Hoque et al. Además, en este trabajo se demuestra que los resultados de clustering afectan significativamente al resultado del proceso de predicción de próxima actividad a través de resultados de comparación experimental.