Classification des informations contextuelles dans un environnement intelligent ubiquitaire

Abstract

Dans l'informatique ubiquitaire, les systèmes de reconnaissance d'activité peuvent ^être utilisés pour étiqueter de gros ensembles de données. La reconnaissance des activités à partir de données de capteurs est un paradigme clé de l'informatique ubiquitaire. La variabilité dans les activités humaines, les caractéristiques de déploiement de capteurs, et les domaines d'application, ont conduit à l'élaboration de meilleures pratiques et des méthodes pour améliorer la robustesse des systèmes de reconnaissance d'activité. La classification constitue une des étapes les plus importantes qui vise à rendre le processus de reconnaissance plus expressif et réduire l'incertitude, ainsi de minimiser la représentation. Dans ce mémoire, nous abordons les méthodes de classification et nous explicitons comment elles sont utilisées pour la reconnaissance d'activité. Nous mettons en avant une méthode qui utilise l'algorithme de partitionnement k-M diodes. Les di afférentes phases de construction du modèle de classification y sont présentées en détail. Enfin sont présentés les résultats de validation