Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
In questo elaborato si è raggiunto l'obiettivo di realizzare un algoritmo di Machine Learning per il riconoscimento di accelerazioni di mezzi di trasporto. Le accelerazioni sono state acquisite tramite un sensore accelerometrico situato all'interno degli smartphone, grazie all'applicazione Matlab Mobile.
I dati accelerometrici sono stati successivamente caricati sul pc per essere studiati ed elaborati attraverso Matlab.
Sono state individuate le differenze tra dati di accelerazioni di mezzi di trasporto e accelerazioni di attività motorie.
Poi si è potuto procedere con l'identificazione della feature, caratteristica idonea la quale permette la distinzione dei vari dati e permette la realizzazione dell'algoritmo.
L'algoritmo utilizzato come modello di classificazione è il K-Nearest-Neighbour. Infine le prestazioni di questo modello di classificazione sono state valutate mediante la Matrice di Confusione.
Abstract
In questo elaborato si è raggiunto l'obiettivo di realizzare un algoritmo di Machine Learning per il riconoscimento di accelerazioni di mezzi di trasporto. Le accelerazioni sono state acquisite tramite un sensore accelerometrico situato all'interno degli smartphone, grazie all'applicazione Matlab Mobile.
I dati accelerometrici sono stati successivamente caricati sul pc per essere studiati ed elaborati attraverso Matlab.
Sono state individuate le differenze tra dati di accelerazioni di mezzi di trasporto e accelerazioni di attività motorie.
Poi si è potuto procedere con l'identificazione della feature, caratteristica idonea la quale permette la distinzione dei vari dati e permette la realizzazione dell'algoritmo.
L'algoritmo utilizzato come modello di classificazione è il K-Nearest-Neighbour. Infine le prestazioni di questo modello di classificazione sono state valutate mediante la Matrice di Confusione.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Bernardi, Elena
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Machine Learning,Feature,K-Nearest Neighbour,Matrice di Confusione,MATLAB
Data di discussione della Tesi
24 Luglio 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Bernardi, Elena
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Machine Learning,Feature,K-Nearest Neighbour,Matrice di Confusione,MATLAB
Data di discussione della Tesi
24 Luglio 2019
URI
Gestione del documento: