基于物联网的利用机器学习技术进行非侵入式人体卫生监测新框架
机器学习
2022-07-11 v1 信号处理
摘要
人们的个人卫生习惯在很大程度上反映了其在日常生活中对身体与健康的照护状况。保持良好卫生习惯不仅降低患病几率，还能减少疾病在社区内传播的风险。鉴于当前疫情，洗手或定期淋浴等日常习惯在人群中尤其是独居老人或辅助生活设施中的老年群体中变得至关重要。本文提出了一种利用振动传感器监测人体卫生的新型非侵入式框架，其中我们采用了机器学习技术。该方法基于地震检波器传感器、数字化仪与置于实用外壳中的高性价比计算机板的组合。监测日常卫生常规可帮助医疗专业人员从被动应对转为主动预防，识别并控制社区内潜在疫情的扩散。实验结果表明，应用支持向量机（SVM）进行二分类在不同卫生习惯分类中展现出约 95% 的良好准确率。此外，基于树的分类器（随机森林与决策树）以最高准确率（100%）优于其他模型，这意味着利用振动与非侵入式传感器对卫生事件进行分类以监测卫生活动是可行的。
引用
@article{arxiv.2207.03529,
title = {A Novel IoT-based Framework for Non-Invasive Human Hygiene Monitoring using Machine Learning Techniques},
author = {Md Jobair Hossain Faruk and Shashank Trivedi and Mohammad Masum and Maria Valero and Hossain Shahriar and Sheikh Iqbal Ahamed},
journal= {arXiv preprint arXiv:2207.03529},
year = {2022}
}