Luận án tiến sĩ: Nghiên cứu phát triển một số kỹ thuật trích rút đặc trưng và tối ưu mô hình Random Forest trong phát hiện sự kiện ngã của con người bằng điện thoại thông minh.
Tóm tắt luận án tiến sĩ của NCS Lê Hồng Lam
Toàn văn luận án tiến sĩ của NCS Lê Hồng Lam
Thông tin LATS:
1. Họ và tên nghiên cứu sinh: Lê Hồng Lam
2. Giới tính: Nam
3. Ngày sinh: 01/04/1981
4. Nơi sinh: Nghệ An
5. Quyết định công nhận nghiên cứu sinh: số 98/QĐ-CNTT ngày 18/12/2020 của Viện trưởng Viện Công nghệ Thông tin, Đại học Quốc gia Hà Nội.
6. Các thay đổi trong quá trình đào tạo (nếu có): Quyết định số 140/QĐ-CNTT ngày 15/12/2023 về việc gia hạn thời gian học tập đối với các nghiên cứu sinh QH-2020.
7. Tên đề tài luận án: Nghiên cứu phát triển một số kỹ thuật trích rút đặc trưng và tối ưu mô hình Random Forest trong phát hiện sự kiện ngã của con người bằng điện thoại thông minh.
8. Chuyên ngành: Quản lý hệ thống thông tin
9. Mã số: 9480205.01QTD
10. Cán bộ hướng dẫn khoa học: PGS.TS. Nguyễn Hà Nam
11. Tóm tắt các kết quả mới của luận án:
a. Mục đích nghiên cứu:
- Phát triển và cải tiến các kỹ thuật trích rút đặc trưng chuyên biệt từ dữ liệu cảm biến quán tính trên điện thoại thông minh, nhằm nâng cao độ chính xác trong phân loại sự kiện ngã.
- Tinh chỉnh các siêu tham số để tối ưu mô hình Random Forest nhằm tăng khả năng phân loại các sự kiện ngã.
- Phát triển một mô hình phát hiện ngã thích ứng với thách thức của dữ liệu ngã khó thu thập và gán nhãn trong thế giới thực.
b. Phương pháp nghiên cứu: Sử dụng phương pháp kết hợp giữa nghiên cứu lý thuyết và thực nghiệm:
- Về mặt lý thuyết, luận án phân tích các phương pháp lọc nhiễu, xử lý tín hiệu từ cảm biến gia tốc, phân đoạn dữ liệu, trích xuất và lựa chọn đặc trưng. Đồng thời tham khảo các nghiên cứu trong và ngoài nước để tìm các giải pháp tối ưu siêu tham số cho các mô hình học máy (ML).
- Về mặt thực nghiệm, luận án sử dụng dữ liệu thô từ cảm biến gia tốc của điện thoại thông minh và thiết bị đeo để tiến hành phân đoạn và trích xuất đặc trưng. Huấn luyện và đánh giá hiệu suất của các mô hình phân loại để so sánh hiệu quả của phương pháp đề xuất với các nghiên cứu liên quan.
c. Đóng góp của luận án:
- Đề xuất phương pháp trích xuất đặc trưng mới dựa trên sự kết hợp đặc trưng từ miền thời gian, miền tần số, tham số định hướng và tham số Hjorth của dữ liệu gia tốc 3 trục.
- Đề xuất thuật toán GA4RF dựa trên giải thuật di truyền để tìm bộ siêu tham số tối ưu cho mô hình Random Forest. GA4RF thể hiện khả năng tìm kiếm bộ siêu tham số tối ưu nhờ cấu trúc nhiễm sắc thể, không gian tìm kiếm và hàm thích nghi được thiết kế theo hướng mới phù hợp với đặc thù của các bộ dữ liệu ngã.
- Phát triển mô hình phát hiện sự kiện ngã (FEDM) dựa trên dữ liệu hoạt động hàng ngày, giải quyết khó khăn trong việc thu thập dữ liệu ngã thực tế.
d. Ý nghĩa khoa học và thực tiễn:
Luận án đóng góp vào lĩnh vực nhận dạng hoạt động bằng phương pháp trích xuất đặc trưng, tối ưu mô hình học máy để phát hiện ngã từ dữ liệu gia tốc của điện thoại thông minh. Điều này không chỉ mang lại giá trị khoa học mà còn mở ra khả năng ứng dụng công nghệ để phân tích hoạt động con người từ thiết bị phổ biến và tiện lợi như điện thoại thông minh.
12. Khả năng ứng dụng thực tiễn.
13. Các hướng nghiên cứu tiếp theo:
14. Các công trình công bố liên quan đến luận án (liệt kê theo trình tự thời gian):
Hong-Lam Le, Duc-Nhan Nguyen, & Ha-Nam Nguyen (2021). The Novel Method of Pedestrian Fall Detection Based on PSO and RF Using Accelerometer Data. In 2021 International Conference on System Science and Engineering (ICSSE) (pp. 111–115). IEEE.
[2]. Hong-Lam Le, Duc-Nhan Nguyen, Nguyen Thi Hau, & Ha-Nam Nguyen (2022). A Novel Feature Set Extraction Based on Accelerometer Sensor Data for Improving the Fall Detection System. Electronics, 11(7), 1030.
[3]. Hong-Lam Le, Duc-Nhan Nguyen, & Ha-Nam Nguyen (2022). Applying PSO to improve the pedestrian fall detection rate using wearable sensor data. In 2022 24th International Conference on Advanced Communication Technology (ICACT) (pp. 453–458). IEEE. Retrieved from https://ieeexplore.ieee.org/abstract/document/9728904/
[4]. Hong-Lam Le, Thanh-Tuoi Le, Vu Thi-Thu-Hien, & Doan-Hieu Tran (2023). “A Survey on the Impact of Hyperparameters on Random Forest Performance using Multiple Accelerometer Datasets”, International Journal of Computers and their Applications (ISCA), Vol. 30, No. 4, 2020, 351–361.
[5]. Lê Hồng Lam, Lê Tiến Hiếu, Hà Huy Công, Bùi Xuân Vinh, Phạm Thành Công, Nguyễn Đức Nhân, Đinh Văn Châu, Nguyễn Hà Nam. (2023). Mô hình mới sử dụng kỹ thuật so khớp để phát hiện hành vi bất thường của con người. Hôị nghị khoa học Quốc gia lần thứ XVI (FAIR-2023).
