An ontology-driven evidence theory method for activity recognition

Detalhes bibliográficos
Autor(a) principal: Rey, Vítor Fortes
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/134325
Resumo: O reconhecimento de atividaes é vital no contexto dos ambientes inteligentes. Mesmo com a facilidade de acesso a sensores móveis baratos, reconhecer atividades continua sendo um problema difícil devido à incerteza nas leituras dos sensores e à complexidade das atividades. A teoria da evidência provê um modelo de reconhecimento de atividades que detecta atividades mesmo na presença de incerteza nas leituras dos sensores, mas ainda não é capaz de modelar atividades complexas ou mudanças na configuração dos sensores ou do ambiente. Este trabalho propõe combinar abordagens baseadas em modelagem de conhecimento com a teoria da evidência, melhorando assim a construção dos modelos da última trazendo a reusabilidade, flexibilidade e semântica rica da primeira.
id URGS_c022c05339fc1a62b558eb87b8de0e3e
oai_identifier_str oai:www.lume.ufrgs.br:10183/134325
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Rey, Vítor FortesSilva Junior, Edson Prestes e2016-03-29T02:06:27Z2016http://hdl.handle.net/10183/134325000988406O reconhecimento de atividaes é vital no contexto dos ambientes inteligentes. Mesmo com a facilidade de acesso a sensores móveis baratos, reconhecer atividades continua sendo um problema difícil devido à incerteza nas leituras dos sensores e à complexidade das atividades. A teoria da evidência provê um modelo de reconhecimento de atividades que detecta atividades mesmo na presença de incerteza nas leituras dos sensores, mas ainda não é capaz de modelar atividades complexas ou mudanças na configuração dos sensores ou do ambiente. Este trabalho propõe combinar abordagens baseadas em modelagem de conhecimento com a teoria da evidência, melhorando assim a construção dos modelos da última trazendo a reusabilidade, flexibilidade e semântica rica da primeira.Activity recognition is a vital need in the field of ambient intelligence. It is essential for many internet of things applications including energy management, healthcare systems and home automation. But, even with the many cheap mobile sensors envisioned by the internet of things, activity recognition remains a hard problem. This is due to uncertainty in sensor readings and the complexity of activities themselves. Evidence theory models provide activity recognition even in the presence of uncertain sensor readings, but cannot yet model complex activities or dynamic changes in sensor and environment configurations. This work proposes combining knowledge-based approaches with evidence theory, improving the construction of evidence theory models for activity recognition by bringing reusability, flexibility and rich semantics.application/pdfengOntologiasEngenharia : SoftwareDempster–shafer theoryOntologyEvidence theoryActivity modellingActivity recognitionSmart homeAn ontology-driven evidence theory method for activity recognitionUma abordagem baseada em ontologias e teoria da evidência para o reconhecimento de atividades info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2016mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000988406.pdf000988406.pdfTexto completo (inglês)application/pdf4126096http://www.lume.ufrgs.br/bitstream/10183/134325/1/000988406.pdfe8ff883ec2259829dd744fc09bda33abMD51TEXT000988406.pdf.txt000988406.pdf.txtExtracted Texttext/plain184106http://www.lume.ufrgs.br/bitstream/10183/134325/2/000988406.pdf.txt407644b9eecc8c42f4c3d81d85ad853cMD52THUMBNAIL000988406.pdf.jpg000988406.pdf.jpgGenerated Thumbnailimage/jpeg1039http://www.lume.ufrgs.br/bitstream/10183/134325/3/000988406.pdf.jpg9e8123b39c014042617517e18cb1e7fbMD5310183/1343252018-10-29 08:11:43.978oai:www.lume.ufrgs.br:10183/134325Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-29T11:11:43Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv An ontology-driven evidence theory method for activity recognition
dc.title.alternative.pt_BR.fl_str_mv Uma abordagem baseada em ontologias e teoria da evidência para o reconhecimento de atividades
title An ontology-driven evidence theory method for activity recognition
spellingShingle An ontology-driven evidence theory method for activity recognition
Rey, Vítor Fortes
Ontologias
Engenharia : Software
Dempster–shafer theory
Ontology
Evidence theory
Activity modelling
Activity recognition
Smart home
title_short An ontology-driven evidence theory method for activity recognition
title_full An ontology-driven evidence theory method for activity recognition
title_fullStr An ontology-driven evidence theory method for activity recognition
title_full_unstemmed An ontology-driven evidence theory method for activity recognition
title_sort An ontology-driven evidence theory method for activity recognition
author Rey, Vítor Fortes
author_facet Rey, Vítor Fortes
author_role author
dc.contributor.author.fl_str_mv Rey, Vítor Fortes
dc.contributor.advisor1.fl_str_mv Silva Junior, Edson Prestes e
contributor_str_mv Silva Junior, Edson Prestes e
dc.subject.por.fl_str_mv Ontologias
Engenharia : Software
topic Ontologias
Engenharia : Software
Dempster–shafer theory
Ontology
Evidence theory
Activity modelling
Activity recognition
Smart home
dc.subject.eng.fl_str_mv Dempster–shafer theory
Ontology
Evidence theory
Activity modelling
Activity recognition
Smart home
description O reconhecimento de atividaes é vital no contexto dos ambientes inteligentes. Mesmo com a facilidade de acesso a sensores móveis baratos, reconhecer atividades continua sendo um problema difícil devido à incerteza nas leituras dos sensores e à complexidade das atividades. A teoria da evidência provê um modelo de reconhecimento de atividades que detecta atividades mesmo na presença de incerteza nas leituras dos sensores, mas ainda não é capaz de modelar atividades complexas ou mudanças na configuração dos sensores ou do ambiente. Este trabalho propõe combinar abordagens baseadas em modelagem de conhecimento com a teoria da evidência, melhorando assim a construção dos modelos da última trazendo a reusabilidade, flexibilidade e semântica rica da primeira.
publishDate 2016
dc.date.accessioned.fl_str_mv 2016-03-29T02:06:27Z
dc.date.issued.fl_str_mv 2016
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/134325
dc.identifier.nrb.pt_BR.fl_str_mv 000988406
url http://hdl.handle.net/10183/134325
identifier_str_mv 000988406
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/134325/1/000988406.pdf
http://www.lume.ufrgs.br/bitstream/10183/134325/2/000988406.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/134325/3/000988406.pdf.jpg
bitstream.checksum.fl_str_mv e8ff883ec2259829dd744fc09bda33ab
407644b9eecc8c42f4c3d81d85ad853c
9e8123b39c014042617517e18cb1e7fb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800309081140887552

Registros relacionados