Derin Öğrenme ile Günlük Aktivite ve Seyahat Türlerini Birlikte Tanıma

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2019

Tezin Dili: Türkçe

Öğrenci: JEMSHIT ISKANDEROV

Danışman: Mehmet Amaç Güvensan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Aktivite tanıma ve seyahat türü tanıma sağlık, akıllı ortam, ulaşım planlama, trafik yönetimi gibi geniş uygulama alanına sahip önem arz eden bir konudur. Kişilerin aktivitelerinin takip edilmesi akıllı telefonların ve akıllı saatlerin yaygınlaşması ile daha kolay hale gelmiştir. Aktivite ve seyahat türü tanıma literatürde ayrı ayrı ele alınmış problemler olsa da doğası gereği bu problemleri birlikte değerlendirmek daha fazla uygulama alanına çıktı üretmeyi sağlamaktadır. Bu çalışmada bu iki konu tek bir problem olarak ele alınmıştır. Tez kapsamında akıllı telefonlarda bulunan ivme ölçer, jiroskop ve mıknatıs ölçer sensörleri kullanılarak 13 adet aktivite ve seyahat türü cihazın kişi üzerindeki konumundan bağımsız sınıflandırılmıştır. Bu aktivite ve seyahat türleri şunlardır: sabit durma, yürüme, koşma, merdiven çıkma, merdiven inme, bisiklet, motosiklet, araba, metro, tren, hızlı tren, tramvay, metrobüs. Bu tezde ham veri, istatistiksel özellikler ve Oto Kodlayıcı ile çıkartılan özellikler kullanılarak LSTM derin öğrenme yöntemi ile sınıflandırma yapılmıştır. LSTM (Long Short-Term Memory) ağıyla 16 saniyelik pencerede istatistiksel özelliklerle %86.4, ham verilerle %83.3, Oto Kodlayıcı özellikleriyle %79.3 doğruluk edilmiştir. Bu sonuçlar makine öğrenmesi yöntemleri olan Naive Bayes, Karar Ağacı, Destek Vektör Makineleri ve Rasgele Orman ile elde edilen sonuçlar ile karşılaştırılmıştır. Makine öğrenmesi yöntemleriyle sırasıyla %56.9, %71.2, %81.6 ve %83.8 doğruluk sonuçları elde edilmiştir. LSTM ile en iyi elde edilen sonuç üzerinde iyileştirme yapılarak %93.1 doğruluk elde edilmiştir.