Human Behavior Profiling for Health Assessment Using Unsupervised Methods

Wang, Ju

Im Rahmen von Ambient Assisted Living sollen menschliche Verhaltensprofile durch den Pervasive Computing generiert werden. Zur Extraktion von Informationen aus Messdaten werden typischerweise überwachte Methoden verwendet. In Bezug sind diese Methoden wegen ihrer geringen Anpassungsfähigkeit, hohen Abhängigkeit von Laborumgebungen, der Notwendigkeit der Kennzeichnung und der Lernphase in realen Szenarien zur Generierung von menschliche Verhaltensprofile sehr eingeschränkt. Daher sollten einfache und unauffällige Sensoren verwendet werden, um täglich Verhaltensinformationen zu erhalten. Trotz der unvollständigen Beobachtung sind diese Sensoren in der Lage, die wichtige Informationen zu liefern. Hierfür sind unüberwachte Methoden notwendig, die auf der Grundlage dieser Messungen ausgeführt werden. Im Gegensatz zur überwachten Datenanalyse, haben unüberwachte Methoden folgende Vorteile: Zum einen sind keine Kennzeichnung von Daten und keine Lernphase erforderlich. Zweitens sind sie anpassungsfähiger, so dass sie für die Verwendung bei verschiedenen Individuen geeignet sind. Drittens können siebisher unbekanntes Wissen entdecken. Zur Entwicklung von praktisch anwendbaren unüberwachten Methoden für die Generierung menschlicher Verhaltensprofile, wird in dieser Doktorarbeit die folgende Forschung durchgeführt: Erstens, Definition von Abstraktionen für Ereignisse und Muster häuslichen Verhaltens. Zweitens wird ein Entdeckungsalgorithmus abgeleitet, der regelmäßig auftretende Sensorereignisse, die Lebensgewohnheiten darstellen können, entdecken kann. Drittens, wird mit den so gewonnenen Lebensgewohnheiten, die Änderung des menschlichen Verhaltens modelliert, um die Varianz des Lebensstils abzubilden. Mit dem Ziel, die Wirksamkeit dieser Methoden zu untersuchen, werden sie auf Datensätze aus dem Feld, gesammelt in der GAL-NATARS Studie durchgeführt wird, angewendet. Ihre Wirksamkeit wird durch den Vergleich mit den Ergebnissen der medizinischen Beurteilung bewertet.

In the context of ambient assisted living, implementation of human behavior profiling is expected to occur through pervasive computing. As for information extraction from measured data, the typical way are supervised methods. However, due to the low adaptivity and high dependency on lab-setting, and the necessity of data labeling and model training, these types of methods are limited in human behavior profiling in real-life scenarios. Therefore, simple and unobtrusive sensors are relied upon to obtain daily behavior information. In spite of the incomplete observation, these sensors are able to provide key information. Thus, unsupervised methods have to be designed based on this measurement. In contrast to supervised data analysis, unsupervised methods have inherent advantages: Firstly, data labeling and training are not necessary. Secondly, they are more adaptive, making them suitable for use by different individuals. Thirdly, unknown knowledge might be discovered. In order to propose unsupervised methods for human behavior profiling that can be practically applied, the following research is conducted in this doctoral thesis: First, abstractions of events and patterns of in-home behavior scenario are defined. Second, the discovering algorithm is derived, whereby regularly occurring sensor events that can represent lifestyle patterns can be discovered. Third, with the lifestyle depicted, the change of human behavior is modeled to present the variance of lifestyle. Aiming to investigate the effectiveness of these methods, they are applied to the datasets obtained in GAL-NATARS study, which is carried out in the setting of real-life, and their effectiveness is evaluated through comparison with medical assessment results.

Vorschau

Zitieren

Zitierform:

Wang, Ju: Human Behavior Profiling for Health Assessment Using Unsupervised Methods. 2013.

Zugriffsstatistik

Gesamt:
Volltextzugriffe:
Metadatenansicht:
12 Monate:
Volltextzugriffe:
Metadatenansicht:

Details anzeigen

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten

Export