Düşme Tespit Sistemlerinde Aktivite Sınıfı Sayısının Etkisinin Araştırılması

Bu calismada, yasli bireyler icin gelistirilen dusme tespit sistemlerinde, makine ogrenmesi tabanli siniflandiricilarda sinif sayisinin azaltilmasinin dogruluk seviyesine katkisi arastirilmistir. Calisma kapsaminda internette acik erisime sunulmus bir veriseti kullanilmis, aktivite ve postur belirlemede sikca kullanilan oznitelikler cikarilmis ve MATLAB Machine Learning Framework’de bulunan siniflandiricilarin tumu kullanilarak en basarili siniflandiricinin tahlili makine ogrenmesi metriklerine gore yapilmistir. Sinif sayisi kademeli olarak azaltilip basariya etkisi incelenmistir. Baslangic asamasinda sinif sayisi azaltilmadan yapilan siniflandirmada en basarili siniflandirici olarak Kubik Destek Vektor Makinesi (Cubic SVM)algoritmasi belirlenmistir. Bu algoritmayi kullanarak gerceklestirilen siniflandirmada basari % 96,4 olmustur. Problemin dogasina da uygun olarak literaturdeki calismalarin aksine sinif sayisi 2’ye dusuruldugunde k en yakin komsuluk (KNN) algoritmasi ile dusmeler %99,3 oraninda dogru sekilde belirlenmistir.