Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Traffic Analytics for Linked Data Publishers Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

AGACY Monitoring: A Hybrid Model for Activity Recognition and Uncertainty Handling

verfasst von : Hela Sfar, Amel Bouzeghoub, Nathan Ramoly, Jérôme Boudy

Erschienen in: The Semantic Web

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Acquiring an ongoing human activity from raw sensor data is a challenging problem in pervasive systems. Earlier, research in this field has mainly adopted data-driven or knowledge based techniques for the activity recognition, however these techniques suffer from a number of drawbacks. Therefore, recent works have proposed a combination of these techniques. Nevertheless, they still do not handle sensor data uncertainty. In this paper, we propose a new hybrid model called AGACY Monitoring to cope with the uncertain nature of the sensor data. Moreover, we present a new algorithm to infer the activity instances by exploiting the obtained uncertainty values. The experimental evaluation of AGACY Monitoring with a large real-world dataset has proved the viability and efficiency of our solution.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Optimizing the Performance of Concurrent RDF Stream Processing Queries
Nächstes Kapitel Mapping Natural Language to Description Logic
Fußnoten
1
An observation is a sequence of events that is generated by an activity instance.
 
Literatur
1.
Jarraya, A., Ramoly, N., Bouzeghoub, A., Arour, K., Borgi, A., Finance, B.: A new model for context perception in smart homes. In: OTM Conferences: COOPIS (2016)
2.
Lotfi, A.Z.: A simple view of the Dempster-Shafer theory of evidence, its implication for the rule of combination. AI Mag. 7, 85–90 (1986). ACM
3.
Riboni, D., Bettini, C., Civitares, G., Janjua, Z.H.: SmartFABER: recognizing fine-grained abnormal behaviors for early detection of mild cognitive impairment. Artif. Intell. Med. 67, 57–74 (2016). ElsevierCrossRef
4.
Riboni, D., Bettini, C.: COSAR: hybrid reasoning for context-aware activity recognition. Pers. Ubiquit. Comput. 3, 271–289 (2011). SpringerCrossRef
5.
Singh, A., Juneja, D., Sharma, A.: A fuzzy integrated ontology model to manage uncertainty in semantic web: the FIOM. Int. J. Comput. Sci. Eng. 3, 1057–1062 (2011). Citeseer
6.
Aloulou, H., Mokhtari, M., Tiberghien, T., Endelin, R., Biswas, J.: Uncertainty handling in semantic reasoning for accurate context understanding. Knowl.-Based Syst. 77, 16–28 (2015). ElsevierCrossRef
7.
Dubois, D., Lang, J., Prade, H.: Automated reasoning using possibilistic logic: semantics, belief revision, and variable certainty weights. IEEE Trans. Knowl. Data Eng. 6, 64–71 (1994). IEEECrossRef
8.
Krishnan, N.C., Cook, D.J.: Activity recognition on streaming sensor data. Pervasive Mob. Comput. 10, 138–154 (2014). ElsevierCrossRef
9.
Sebbak, D., Benhammadi, F., Chibani, A., Amirat, Y., Mokhtari, A.: Dempster-Shafer theory-based human activity recognition in smart home environments. Ann. Telecommun. 69, 171–184 (2014). SpringerCrossRef
10.
Ye, J., Dobson, S., McKeever, M.: Situation identification techniques in pervasive computing: a review. Pervasive Mob. Comput. 9, 36–66 (2012). ElsevierCrossRef
11.
De Backere, F., Ongenae, F., Van den Abeele, F., Nelis, J., Bonte, P., Clement, E., Philpott, M., Hoebeke, J., Verstichel, S., Ackaert, A., De Turck, F.: Towards a social and context-aware multi-sensor fall detection and risk assessment platform. Comput. Biol. Med. 64, 307–320 (2015). ElsevierCrossRef
12.
Patterson, D.J., Fox, D., Kautz, H., Philipose, M.: Fine-grained activity recognition by aggregating abstract object usage. In: ISWC (2005)
13.
Hearst, M.A., Dumais, S.T., Osuna, E., Platt, J., Scholkopf, B.: Support vector machines. IEEE Intell. Syst. Appl. 13, 18–28 (1998)CrossRef
14.
Helaoui, R., Riboni, D., Stuckenschmidt, H.: A probabilistic ontological framework for the recognition of multilevel human activities. In: UbiComp (2013)
15.
Riboni, D., Bettini, C.: Context-aware activity recognition through a combination of ontological and statistical reasoning. In: Zhang, D., Portmann, M., Tan, A.-H., Indulska, J. (eds.) UIC 2009. LNCS, vol. 5585, pp. 39–53. Springer, Heidelberg (2009). doi:10.​1007/​978-3-642-02830-4_​5CrossRef
16.
Riboni, D., Bettini, C., Civitarese, G., Janjua, Z.H., Helaoui, R.: Fine-grained recognition of abnormal behaviors for early detection of mild cognitive impairment. In: PerCom (2015)
17.
Lukowicz, P., Pirkl, G., Bannach, D., Chavarriaga, R.: Recording a complex, multi modal activity data set for context recognition. In: ARCS, 1st Workshop on Context-Systems Design, Evaluation and Optimisation (2010)
Metadaten
Titel
AGACY Monitoring: A Hybrid Model for Activity Recognition and Uncertainty Handling
verfasst von
Hela Sfar
Amel Bouzeghoub
Nathan Ramoly
Jérôme Boudy
Copyright-Jahr
2017
Buch
The Semantic Web

Print ISBN: 978-3-319-58067-8

Electronic ISBN: 978-3-319-58068-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-58068-5_16

Neuer Inhalt

    Bildnachweise