tecniche di classificazione e predizione delle ... - DSpace@Roma3

Tecniche di classificazione e predizione delle attività motorie per telemonitoraggio e
teleriabilitazione
teoricamente essi dovrebbero rappresentare tutte le varie casistiche, ossia dovrebbero
essere “statisticamente eterogenei”.
– test: tale fase è svolta operando su un test set composto da dati anch’essi
preclassificati, ma che sono differenti da quelli utilizzati in fase di training; ottenute
buone prestazioni sul test set, si può operare su dati incogniti.
In questo contesto noi ci siamo occupati rispettivamente delle tecniche di clustering,
per quanto riguarda l’analisi non supervisionata, e di quelle Template Matching per
quanto riguarda le tecniche supervisionate.
Queste diverse tecniche sono state analizzate per valutarne l’applicabilità alle
tipologie di dati a nostra disposizione e per i requisiti di nostro interesse. Il nostro
studio ha posto l’accento sulle peculiarità degli approcci, sulle possibilità di
innovazione e soprattutto sulle possibilità di utilizzo in un contesto come il nostro,
fatto di sensori indossabili e di requisiti differenti a seconda dell’applicazione.
In una prima fase del nostro lavoro ci siamo concentrati sulle tecniche di Template
Matching e sull’ipotesi di fondere tecniche accreditate di clustering (ad esempio,
algoritmo del k-means) con analisi di tipo DTW (Dynamic Time Warping) per una
classificazione non supervisionata utilizzabile in ambito di telemonitoraggio con
obiettivi adattativi e di apprendimento del contesto: tale tecnica può risultare valida,
in quanto entrambi gli algoritmi fanno uso della nozione di distanza per stabilire
l’appartenenza ad uno stesso cluster o ad una stessa classe. In una seconda fase del
nostro lavoro ci siamo occupati di classificatori bayesiani, esplorati in diversi contesti
teorici e di applicazione, anche volgendo uno sguardo approfondito all’analisi delle
features, che è il primo passo nella costruzione di un classificatore di questo tipo. I
classificatori bayesiani sono stati implementati supponendo di conoscere la forma
della densità di probabilità condizionata delle features.
20