智慧家庭環境中透過自適性行為模式探勘進行週期性活動辨識
Periodic Activity Recognition with Adaptive Patterns Mining Approach in Smart Home Environments
姓名：譚怡恩
隨著科技不斷演進，醫療技術越來越成熟，人口老化現象逐年上升。但因醫療 照護費用昂貴及個人隱私等問題，現在的老年人較希望可在自家自行休養。而現今 在人們生活中運用智慧感測技術越來越能夠被人們接受，為了能滿足老年人所希 望的生活方式，可透過在居家環境及家電上所安裝的感測器即時感測老年人狀況， 還可透過機器學習及分析技術了解老年人平常的生活模式。此類結果未來除了能 夠運用於智慧家庭來輔助觀察及照顧老年人，同時還可了解老年人在家中是否有 異常狀況發生之情形。 由於過往行為模式探勘大部份在進行關聯分析時都以固定支持度值在進行關 聯性篩選，這意味著老年人在智慧家庭中每天都是以相同模式在進行生活。但在現 實中每天一成不變的生活模式不太現實，生活難免會因不同事物有些微的改變。因 此，本篇論文提出了在智慧家庭中透過自適性行為模式探勘進行週期性活動辨識， 藉此達到老年人在家生活習性之判別。為了達到此目的，本研究會先將感測器資料 轉換為事件序列，此序列在依時間區間劃分出不同情節，並以先驗演算法執行頻繁情節探勘(frequent episode mining)。在此情節探勘中所應用之支持度會以自適性的 方式進行，確保情節探勘可依每天些微生活習性的改變而自我調整。此自適性支持 度將利用歷史資料結合加權移動平均，並續運用最大似然法與高斯分布找出具有 週期性的行為。透過實驗證明自適性支持度有助於行為探勘依據老年人生活習性 上的變化進行調整，而本論文與固定支持度相比平均提高行為辨識準確度 7.33%。
關鍵字：活動辨識、智慧家庭、週期性行為探勘、自適性支持度。