Mục tiêu nghiên cứu của luận án Mục tiêu chung: Nghiên cứu xây dựng 01 hệ thống triển khai thu thập dữ liệu gia tốc ba trục từ chuyển động của bò và phân loại hành vi của bò từ dữ liệu
Trang 1ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ
PHÙNG CÔNG PHI KHANH
NGHIÊN CỨU VÀ XÂY DỰNG HỆ GIÁM SÁT HOẠT ĐỘNG,
HỖ TRỢ CHĂN NUÔI GIA SÚC
Trang 2Công trình được hoàn thành tại: Trường Đại học Công nghệ, Đại học Quốc Gia Hà Nội Người hướng dẫn khoa học: PGS TS Trần Đức Tân
Phản biện:………
………
Phản biện:………
………
Phản biện:………
………
Luận án sẽ được bảo vệ trước Hội đồng cấp Đại học Quốc gia chấm luận án tiến sĩ họp tại vào hồi … giờ … ngày … tháng … năm
Có thể tìm hiểu luận án tại:
- Thư viện Quốc gia Việt Nam
- Trung tâm Thông tin - Thư viện, Đại học Quốc gia Hà Nội
Trang 3MỞ ĐẦU
1 Đặt vấn đề
Việc phân loại hành vi của bò là một cách phát hiện sớm các bệnh tật, các tương tác trong đàn gây ảnh hưởng đến sức khỏe Hành vi thay đổi khi bò bị bệnh có thể bao gồm giảm hoạt động thường ngày như hành vi ăn, uống, đi, đứng, nằm Việc giám sát bò được tập trung theo ba hướng phổ biến nhất đó là giám sát phân loại hành vi của bò, phát hiện trấn thương, xác định thời điểm sinh sản của bò
Một hệ thống giám sát hoạt động, hỗ trợ chăn nuôi thường gồm một bộ xử lý trung tâm thường là máy tính có nhiệm vụ nhận thông tin và xử lý thông tin theo một thuật toán phân loại hành vi, thông qua các thông tin hoạt động của bò Các bộ thu thập thông tin
về hoạt động của bò lấy từ các cảm biến và gửi về cho bộ xử lý trung tâm Ngoài ra còn
có hệ thống lưu trữ dữ liệu, đưa dữ liệu lên internet để thuận lợi cho việc giám sát hành
vi của bò, quản lý và xử lý các thông tin
2 Mục tiêu nghiên cứu của luận án
Mục tiêu chung: Nghiên cứu xây dựng 01 hệ thống triển khai thu thập dữ liệu gia tốc ba trục (từ chuyển động của bò) và phân loại hành vi của bò từ dữ liệu cảm biến gia tốc ba trục gắn trên bò
- Nghiên cứu nhóm giải pháp tiết kiệm năng lượng tại nút cảm biến đặt tại sườn dốc
3 Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu ở đây là bò (một trong những loại gia súc phổ biến, có giá trị kinh
tế cao) Các cảm biến gắn trên bò là các cảm biến gia tốc, vì thế dữ liệu thu nhận được
là tín hiệu gia tốc thu nhận được từ các chuyển động của bò Ngoài ra, luận án còn sử
dụng tập dữ liệu công khai để đảm bảo tính khách quan của thuật toán đề xuất
4 Nội dung nghiên cứu
Đề tài được thực hiện thông qua 4 nội dung chính như sau
1) Nghiên cứu về các hệ thống giám sát và nhận dạng hành vi của bò
2) Nghiên cứu các thuật toán xử lý dữ liệu từ cảm biến để phân loại hành vi của bò 3) Nghiên cứu giải pháp và mô hình tích hợp các cảm biến phục vụ việc ghi nhận và xử
lý dữ liệu về hành vi của bò
4) Xây dựng phần mềm phân loại hành vi của bò và chạy thử nghiệm
5 Phương pháp nghiên cứu
Kết hợp nghiên cứu lý thuyết, mô phỏng và thực nghiệm kiểm chứng
Để có thể thực hiện đề tài thành công, trước tiên phải nghiên cứu, nắm vững được lý thuyết về các nguyên tắc đo và giám sát hành vi của bò, của cảm biến và các kỹ thuật
Trang 4xử lý tín hiệu tiên tiến để xử lý, đề xuất giải thuật giám sát và phân loại hành vi Tiếp
đó, các giải thuật và nguyên lý hoạt động của hệ thống phải được mô hình hóa và mô phỏng để đánh giá tính hiệu quả của giải thuật và hệ thống đề xuất Sau đó, nghiên cứu sinh xây dựng thành một hệ cảm biến không dây thu thập dữ liệu thực tế Cuối cùng, hệ thống sẽ được kiểm chứng thực nghiệm trong phòng thí nghiệm và tại nông trại chăn nuôi bò
6 Ý nghĩa khoa học và đóng góp mới của luận án
Luận án này có 3 đóng góp mới
1/ Xây dựng bộ phân loại bảy hành vi của bò sử dụng dữ liệu cảm biến gia tốc ba trục gắn ở chân bò
2/ Xây dựng hệ thống mạng cảm biến không dây ở đó mỗi nút mạng được gắn lên một con bò Hai cảm biến gia tốc ba trục được gắn tại vị trí chân và cổ Dữ liệu gia tốc từ chân và cổ bò được đồng bộ để phục vụ cho bài toán phân loại hành vi của bò
3/ Xây dựng bộ phân loại hành vi của bò sử dụng dữ liệu đồng bộ từ cảm biến gia tốc gắn chân bò và cổ bò
Trang 5CHƯƠNG 1 TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
1.1 Nghiên cứu trên thế giới
Hiện nay trên thế giới có rất nhiều kỹ thuật giúp giám sát sức khoẻ, hoạt động và các vấn đề sinh sản của vật nuôi trên quy mô lớn Những kỹ thuật này giúp chủ các trang trại, công ty hay doanh nghiệp kiểm soát vật nuôi của mình, từ đó giúp nâng cao hiệu quả chăn nuôi Tuy nhiên những kỹ thuật được áp dụng hiện tại còn khá thủ công và cần
sự can thiệp sức người Việc nghiên cứu ra các kỹ thuật và thiết bị mới vẫn luôn là một chủ để đang được quan tâm mạnh mẽ
Các trang trại chăn nuôi ngày nay đang phải đối mặt với những thách thức lớn trong việc giám sát, duy trì sức khỏe về thể chất và tinh thần của vật nuôi, nó liên quan trực tiếp đến số lượng và chất lượng sản phẩm chăn nuôi Các trang trại chăn nuôi có quy mô từ trung bình đến lớn rất khó theo dõi vật nuôi thông qua quan sát, dẫn đến các tổn thất cho trang trại
1.2 Nghiên cứu trong nước
Trên thực tế, 95% bò trong nước đã được nuôi một cách rải rác bởi các hộ gia đình nhỏ
và không có kỹ năng Nông dân không được đào tạo kỹ thuật chăn nuôi, biện pháp phòng bệnh Nhờ áp dụng các kỹ thuật hiện đại, việc quản lý chuồng trở nên dễ dàng và dễ dàng hơn Ngoài ra, giá của sản xuất cũng giảm và tiết kiệm lao động Một số công ty chế biến sữa tại Việt Nam, nơi thực hiện công nghệ tiên tiến để tăng số lượng chăn nuôi của họ và cải thiện năng suất và chất lượng sữa tươi Chẳng hạn như: công ty sữa TH true milk của Việt Nam, áp dụng công nghệ Israel thông qua công ty AfiMilk AfiMilk chính là công ty đã mang lại cho Israel thương hiệu độc tôn trong ngành chăn nuôi bò sữa, có trang trại bò sữa công nghiệp lớn trên thế giới Công ty VINAMILK ở Việt Nam
đã có đàn bò mà mỗi con bò sử dụng chip điện tử đeo trên cổ được kiểm soát bằng hệ thống quản lý ALPRO được cung cấp bởi DELAVAL (công ty con của tập đoàn TetraPark) Nói chung các thiết bị giám sát hỗ trợ trăn nuôi bò hiện này thường ở dạng thương phẩm và độc quyền của các công ty cung cấp nên không phục vụ cho việc nghiên cứu, cải tiến thiết bị Các nhóm nghiên cứu, phát triển thiết bị giám sát hành vi của bò ở việt nam không nhiều
sử dụng dữ liệu gia tốc và thuật toán máy vectơ hỗ trợ đa lớp (SVM) để tự động phân
loại một số hành vi ở bò sữa Trong một nghiên cứu tương tự, Diosdado et al Error! Reference source not found đã thực hiện thuật toán cây quyết định để phân loại các
Trang 6hành vi gia súc khác nhau Arcidiacono et al Error! Reference source not found đã
tính một ngưỡng gia tốc để phân loại các hoạt động ăn và đứng của bò sữa trong chuồng nuôi tự do Thuật toán của họ cũng ước tính số bước chân của mỗi con bò từ dữ liệu gia tốc bằng cách sử dụng các ngưỡng được xác định theo thống kê Trong nghiên cứu tiếp
theo của họ Error! Reference source not found., các tác giả này đã chỉ ra rằng phương
pháp mới có thể được thực hiện theo cách thức thời gian thực do sử dụng tần số lấy mẫu thấp (tần số 4 Hz) và độ phức tạp thấp Họ cũng giải thích hai lý do chính cho việc phân loại sai giữa ăn và đứng thứ nhất là: khi con bò quay đầu trong khi hoạt động ăn thì vị trí của cảm biến bị lệch Thứ hai là trong một số trường hợp, ngay cả con bò đang đứng, đầu vẫn cúi xuống Cuối cùng, một số đề xuất được đưa ra để cải thiện cả hiệu suất phân loại và thực hiện theo thời gian thực
Error! Reference source not found.Error! Reference source not found.Error! Reference source not found.Error! Reference source not found đã chứng minh tiềm
năng của việc sử dụng học máy trong phân loại hành vi bò, họ chỉ phân loại hai hoặc ba
hành vi Error! Reference source not found.Error! Reference source not found., giá trị tiên đoán dương tính của phân loại không cao Error! Reference source not found
và thiếu phân tích về các đặc trưng của dữ liệu Error! Reference source not found.Error! Reference source not found Thực tế là hiệu suất của phương pháp
phân loại sẽ phụ thuộc vào các đặc trưng và cửa sổ dữ liệu (liên quan đến số lượng mẫu của một bản ghi)
1.5 Kết luận chương
Chương 1 trình bày tổng quan về tình hình nghiên cứu trong và ngoài nước Phân tích một số mô hình hệ thống giám sát và cảnh báo trượt lở đất do mưa Chương này đề cập đến những thách thức khi xây dựng hệ thống giám sát và cảnh báo như xác định vị trí trượt lở đất, khối lượng trượt, lựa chọn các thông số cần giám sát, tính ổn định và tin cậy của hệ thống, cũng như những yêu cầu thực tế về giá thành xây dựng hệ thống giám sát và cảnh báo
Trang 7CHƯƠNG 2 THIẾT KẾ, CHẾ TẠO THIẾT BỊ THU DỮ LIỆU
2.1 Thiết kế hệ thống giám sát bò theo mô hình mạng cảm biến không dây
Hệ thống giám sát mô hình mạng cảm biến không dây thường bảo gồm:
- Các thiết bị gắn trên các con bò, thường là 01 thiết bị trên một con bò, thiết bị có thể được gắn ở chân, cổ, mũi hoặc má bò, …, đóng vai trò là nút mạng cảm biến, thu các dữ liệu phục vụ cho việc giám sát và truyền không dây về nơi thu
- 01 Thiết bị trung tâm đóng vai trò như một nút mạng thu nhận dữ liệu từ các thiết bị gắn trên bò nhằm mục đích lưu trữ và xử lý dữ liệu, có thể đưa lên internet giúp việc giám sát thuận lợi qua các thiết bị di động
Hệ thống cảm biến không dây thu nhận dữ liệu bò được thiết kế cần được đảm bảo một
số tiêu chí kỹ thuật sau: 1/ mỗi nút mạng được gắn lên một con bò với khoảng cách truyền tin từ mỗi nút mạng tới nút trung tâm đạt tới 200 m; 2/ dữ liệu gia tốc ở chân và
cổ phải được đồng bộ theo mỗi giây để phục vụ cho bài toán phân loại; 3/ những thông tin khác (ID nhận dạng bò, vị trí bò, phần trăm pin còn lại của nút mạng) cũng phải giám sát được nhằm phục vụ cho công tác vận hành
Trong nghiên cứu này đề xuất hệ giám sát trạng thái hành vi trên bò thông qua mô hình mạng cảm biến không dây, mỗi nút mạng sẽ là sự kết hợp của hai thiết bị giám sát gắn trên cổ bò và chân bò, hai thiết bị được kết nối không dây với nhau và được phát triển dựa trên cảm biến gia tốc 3 trục giúp việc xác định trạng thái được chính xác hơn (
Hình 1)
Hình 1 Mô hình mạng cảm biến không dây
Hệ thống gồm được chia thành hai phần chính: phần một là các thiết bị được gắn trên
bò nhằm đo đạc chuyển động tại vị trí chân và cổ bò, phần hai là phần thu dữ liệu, lưu trữ và xử lý dữ liệu thu được nhằm phân loại và dự đoán hành vi Phần một gồm hai thiết bị là: thiết bị đo chuyển động tại chân và thiết bị đo chuyển động tại cổ bò, hai thiết
bị này truyền thông RF với nhau ở tần số 2,4 GHz và tạo thành một nút mạng Phần hai
Trang 8gồm thiết bị đóng vai trò là nút trung tâm, nhận dữ liệu từ các nút mạng nhờ truyền thông không dây ở dải tần 433MHz Nút trung tâm được kết nối với máy tính và dữ liệu được đưa về máy tính Máy tính lưu dữ liệu thành các bản ghi phục vụ cho việc lưu trữ,
xử lý và đưa ra phân tích về hành vi của bò
2.2 Các thiết bị
2.2.1 Thiết bị đo chuyển động gắn vào chân bò
Thiết bị thu dữ liệu ở chân (Hình 2) có kích thước 85×60×35mm, khổi lượng khoảng
300 g Thiết bị ở chân dùng ATMega328 để xử lý thu tín hiệu gia tốc từ MPU-6050 với tần số là 10Hz và truyền dữ liệu tới modul không dây RF2401 Theo nhà sản xuất đưa
ra thì RF2401 có cự ly phát cực đại khoảng 100m, với ăng ten chìm trên mạch thì thiết
bị phát sóng định hướng trong điều kiện sử dụng thiết bị ở chân trước bò và ở cổ bò cách nhau không quá 2m, nên tỉ lệ lỗi bít rất thấp quá trình thử nghiệm không cho thấy lỗi bít, trong khi nhà sản xuất đưa ra lỗi bít khoảng 0.001%
Hình 2 Thiết bị thu dữ liệu ở chân
2.2.2 Thiết bị đo chuyển động gắn vào cổ bò
Thiết bị thu dữ liệu ở cổ (Hình 3) có kích thước giống thiết bị ở chân 85×60×35mm, khổi lượng khoảng 300g Thiết bị ở cổ bò thu dữ liệu gia tốc từ MPU-6050, dữ liệu GPS
từ modul GPS NEO-UBLOX-6M V2 Mặt khác thiết bị ở cố còn thu dữ liệu gia tốc 3 trục từ thiết bị từ chân bò gửi lên, nó kết hợp với dữ liệu ở cổ bò ghép thành một bản tin bao gồm: thông tin về gia tốc chân bò, gia tốc cổ bò và thông tin GPS ở cổ bò Tín hiệu gia tốc ở chân và ở cổ làm thu nhận với tốc độ 11 mẫu/ giây Tín hiệu GPS thu nhận với tần số 0,5Hz Bản tin tổng hợp sau đó được Lora truyền đến nút trung tâm Theo nhà sản xuất đưa ra khoảng cách cực đại của Lora có thể truyền lên tới 10km, tuy nhiên trong điều kiện nghiên cứu chúng tôi chỉ khảo sát trong khoảng 1km và tỉ lệ lỗi bít rất thấp dưới 1%
Hình 3 Thiết bị thu dữ liệu ở cổ
Trang 92.2.3 Nút trung tâm
Trung tâm thu thập dữ liệu gồm một modul thu phát (Hình 4), một modul chuyển đổi
dữ liệu UART-USB và một phần mềm trên máy tính
Hình 4 Nút trung tâm thu dữ liệu
2.3 Căn chỉnh cảm biến và chuẩn hóa dữ liệu
2.3.2 Chuẩn hóa dữ liệu
Chuẩn hóa giải đo từ giá trị thô dùng modul MPU6050 Modul MPU6050 thiết lập
để do giá trị 16 bit có các giải đo ±2, 4, 8, 16g
2.4 Kết luận chương
Cảm biến gia tốc ba chiều cung cấp một phương pháp không xâm lấn để phân loại hành vi của bò trong điều kiện trang trại Đóng góp của chương này là đã thành công trong việc xây dựng một mạng cảm biến không dây gắn trên bò mà ở đó mỗi nút mạng
sẽ thu thập dữ liệu đồng bộ từ chân và cổ bò Công trình khoa học liên quan tới chương này là số 4, 5 và 6
Trang 10CHƯƠNG 3 ĐỀ XUẤT THUẬT TOÁN HỌC MÁY PHÂN LOẠI HÀNH VI
CỦA BÒ
3.1 Dữ liệu sử dụng
Chúng tôi sử dụng tập dữ liệu công khai trực tuyến trong nghiên cứu của Jun Wang và
cộng sự Error! Reference source not found tại địa chỉ:
https://doi.org/10.1371/journal.pone.0203546.t006
Bảng 1 tóm tắt các định nghĩa của hành vi trong tập dữ liệu này
Bảng 1 Mô tả các hành vi
Định nghĩa hành vi
Ăn Bò đang ở khu vực ăn, tìm kiếm hoặc ăn thức ăn
Nằm Con bò ở trong buồng trong tư thế nằm
Đứng Con bò đứng hoàn toàn bằng bốn chân
Nằm xuống Bò chùng một chân trước, hạ thấp chân trước, sau đó hạ chân sau xuống ở
trạng thái nằm
Đứng lên Con bò vươn lên từ trạng thái nằm để đứng bằng cả bốn chân
Đi bình
thường Hoạt động được đặc trưng bởi ít nhất 3 cử động chân liên tiếp (một bước tiến trong khoảng thời gian 1 giây)
Đi nhanh Con bò tiến nhanh về phía trước với những bước dài (hai bước tiến trong
khoảng thời gian 1 giây của video)
Tập dữ liệu được đề xuất của chúng tôi là một quan sát được gắn nhãn trong tập dữ liệu chứa 16 mẫu dữ liệu gia tốc, mỗi mẫu được ghi lại theo ba trục vuông góc với tốc độ lấy mẫu là 1Hz
3.2 Phương pháp phân loại đề xuất
Các đặc trưng và cửa sổ dữ liệu rất quan trọng đối với việc thực hiện các thuật toán phân loại Các đặc trưng của dữ liệu được trích xuất dựa trên cửa sổ thời gian Để tìm độ dài cửa sổ tốt nhất, chúng tôi đã thực hiện một số so sánh với vấn
đề nhận biết hoạt động của con người (HAR) trong đó tín hiệu gia tốc được lấy mẫu ở tốc độ lấy mẫu cao hơn nhiều (ví dụ: 50 Hz) so với dữ liệu bò của chúng tôi (ở tần số 1 Hz) Trong bối cảnh của vấn đề HAR, các cửa sổ cỡ trung bình (dài
từ 5 đến 7 giây) hoạt động tốt nhất từ một loạt các cửa sổ từ 1 đến 15 giây cho cảm biến gia tốc đặt ở cổ tay Vì bò sữa ít hoạt động hơn con người, chúng tôi có thể sử dụng chiều dài cửa sổ dài hơn cho nghiên cứu của chúng tôi
Phương pháp của chúng tôi để phân loại hành vi của bò sử dụng 5 đặc điểm của dữ liệu gia tốc, đó là: giá trị trung bình, trung vị, SD, RMS và dải giá trị Lí do lựa chọn 5 loại đặc trưng này dựa vào bản chất của tín hiệu sử dụng để phân loại Đây là các tín hiệu theo chuỗi thời gian (giá trị gia tốc thu được thay đổi theo thời gian) Với loại tín hiệu này thì các kỹ sư có thể khai thác thông tin trên miền thời gian và / hoặc miền tần số Tuy nhiên nếu lựa chọn khai thác đặc trưng miền tần số sẽ dẫn đến độ phức tạp tính toán lớn Chính vì thế, NCS lựa chọn việc khai thác các đặc trưng trên miền thời gian, cụ thể
là các độ đo bậc 1 và 2 để giảm thiểu độ phức tạp tính toán những vẫn đảm bảo phân loại chính xác Những thử nghiệm khác nhau đã được tiến hành với các độ đo để ước
Trang 11lượng khả năng phân loại hành vi dựa vào sự khác biết biệt các giá trị độ đo thu được Cuối cùng còn 5 đặc trưng nói trên được lựa chọn Chúng tôi đã đề xuất một lựa chọn cửa sổ và sơ đồ trích xuất đặc trưng cho quá trình nhận dạng Quá trình nhận dạng bắt đầu với đặc trưng trích xuất dữ liệu gia tốc Chúng tôi đã sử dụng cửa sổ trượt có độ
rộng cố định là n giây (bản ghi thứ i có n mẫu, bao gồm n-6 mẫu cuối cùng của bản ghi i-1) trên dữ liệu của từng hành vi Từ mỗi cửa sổ, một vectơ gồm 5 đặc trưng sẽ được
thu thập Toàn bộ quá trình nhận dạng hành vi được thể hiện trong Hình 5
Hình 5 Quy trình nhận dạng hành vi
Hình 6 phác thảo quy trình xây dựng của bộ phân loại trong nghiên cứu này
Hình 6 Lưu đồ quá trình xây dựng của bộ phân loại
Trang 12Ở đây 60% dữ liệu được chọn ngẫu nhiên làm tập dữ liệu đào tạo và 40% còn lại được
sử dụng làm tập dữ liệu thử nghiệm Bộ phân loại đã được đào tạo với các đặc trưng được tính toán từ các phép đo gia tốc (đầu vào) và hành vi khớp (đầu ra) Mô hình phân loại kết quả đã được thử nghiệm và các chỉ số hoạt động của mô hình được tính toán từ tập dữ liệu thử nghiệm độc lập Một chương trình được viết bằng Python đã được phát triển áp dụng các thuật toán học có giám sát khác nhau để kiểm tra tính hiệu quả của phương pháp được đề xuất
Trong nghiên cứu học máy này, mỗi đặc trưng là một thuộc tính có thể đo lường được của dữ liệu gia tốc Thiết kế các đặc trưng là một bước quan trọng cho hiệu quả phân loại Đóng góp mới trong phần này là chúng tôi đã đề xuất một bộ đặc trưng hiệu quả
để phân loại bảy hành vi của bò Với các đặc trưng tốt, các thuật toán học máy sẽ tìm thấy những gì chúng ta đang cần Ví dụ: Giá trị trung bình (một trong các đặc trưng của chúng tôi) của dữ liệu gia tốc rõ ràng khác nhau giữa Nằm và Ăn Cụ thể, các đặc trưng được tính toán (trung bình, SD, RMS, trung vị, dải giá trị) của từng dữ liệu trạng thái tĩnh và trạng thái động theo 3 trục X, Y và Z đã được trình bày
Dải giá trị có thể được chọn làm một đặc trưng để nắm bắt sự khác biệt giữa giá trị cao nhất và thấp nhất giữa các trạng thái đó
(3.1) trong đó X là dữ liệu của trục X;
Xj là bản ghi j;
N là số lượng mẫu của một bản ghi (kích thước cửa sổ);
Xi là mẫu i của bản ghi Xj;
min là giá trị tối thiểu của Xj;
max là giá trị tối đa của Xj;
Dải giá trị range(Xj ) là khoảng cách giữa giá trị tối thiểu và giá trị tối đa của Xj
Dữ liệu trạng thái tĩnh có xu hướng có một giá trị điển hình khác nhau Giá trị trung bình có thể đề cập đến các phép đo của xu hướng trung tâm và trung vị cho phép đo giá trị tiêu biểu như các đặc trưng để phân biệt trạng thái tĩnh với trạng thái động và cũng
để phân loại trạng thái tĩnh với nhau Công thức biểu diễn của trị trung bình và trung vị:
(3.2) (3.3)
trong đó m(Xj) là trung bình của Xj, các giá trị xi trong Xj được sắp xếp Giữa bốn trạng
thái động, dữ liệu Đi bình thường (SD khoảng 0,5) có xu hướng tập trung hơn các trạng thái khác (SD hơn 1) Dữ liệu đi nhanh (SD khoảng 1,5) có phạm vi giá trị lớn nhất và cũng là dữ liệu thưa thớt nhất Vì vậy, độ lệch chuẩn đã nắm bắt những khác biệt giữa các trạng thái này
Trang 13trong đó (Xj) là độ lệch chuẩn của Xj Dữ liệu khi Nằm xuống có nhiều giá trị không khác dữ liệu đứng lên nhiều Điều này dẫn chúng ta đến việc sử dụng RMS để đo đặc
tính này
(3.5)
trong đó RMSXj là bình phương trung bình gốc của Xj Lưu ý rằng tất cả các công thức
(3.1- 3.5) đều dành cho trục X; công thức cho trục Y, trục Z tương tự
Chúng tôi đánh giá hiệu suất phân loại của 4 thuật toán học máy riêng lẻ (Cây quyết định tăng cường Gradient, Máy vectơ hỗ trợ, Rừng ngẫu nhiên và K-Nearest Neighbor) với các cửa sổ khác nhau (6 giây, 12 giây, 16 giây và 20 giây) với 5 đặc trưng đã nói ở trên (giá trị trung bình, trung vị, SD, RMS và dải giá trị) Hiệu suất của mô hình được đánh giá dựa trên bốn chỉ số hiệu suất Cuối cùng, chúng tôi đã so sánh về hiệu suất tổng
thể với các nghiên cứu của Jun Wang và cộng sự Error! Reference source not found
và Martiskainen và M Jarvinen Error! Reference source not found
Chúng tôi sử dụng các định nghĩa sau:
- TP: Một kết quả phân loại là dương tính thật, khi kết quả phát hiện hành vi và hành vi
đó xuất hiện
- TN: Một kết quả phân loại là âm tính thật, khi kết quả không phát hiện hành vi và hành
vi đó không xuất hiện
- FP: Một kết quả phân loại là dương tính giả, khi kết quả phát hiện hành vi nhưng hành
vi đó không xuất hiện
- FN: Một kết quả phân loại là âm tính giả, khi kết quả không phát hiện hành vi nhưng hành vi đó xuất hiện
Chúng tôi đã đánh giá hiệu suất của thuật toán dựa trên độ chính xác, độ nhạy, giá trị tiên đoán dương và giá trị tiên đoán âm
- Acc (Độ chính xác): Xác định bằng tỷ số giữa “số dự đoán đúng” với “Tổng số dự đoán”
- Sen (Độ nhạy): Đo khả năng phân loại để phát hiện hành vi khi có hành vi
- PPV (Giá trị tiên đoán dương tính): Trình bày tỷ lệ phân loại dương tính
- NPV (Giá trị tiên đoán âm): Thể hiện tỷ lệ phân loại âm tính
Từ các định nghĩa, chúng tôi có các công thức:
(3.6) (3.7) (3.8) (3.9)
trong đó TP (True Positives) là dương tính thật (tất cả đều dương), TN (False Positives) là âm tính thật, FP (False Positives) là dương tính giả và FN (False Negatives) là âm tính giả Acc được biểu thị cho độ chính xác, Sen là độ nhạy, PPV là
2 1
