利用熵度量监测活动模式的演化
机器学习
2022-10-06 v2 应用统计
摘要
在这项工作中，我们应用受信息论启发的方法来量化日常活动模式的变化。我们使用家庭内运动监测数据，并展示它们如何帮助指示医疗相关事件的发生。利用了三种不同类型的熵度量，即香农熵、马尔可夫链的熵率以及熵产生率。这些度量在一个大规模家庭内监测数据集上进行了评估，该数据集是在我们的痴呆症护理临床研究中收集的。该研究使用支持物联网（IoT）的方案对家庭内活动、睡眠和生理进行持续监测，以开发护理和早期干预方案，支持居家痴呆症患者（PLWD）。我们的主要目标是展示熵度量对时间序列活动数据分析的适用性，并将提取的度量作为可输入推理和分析模型的新工程特征。我们的实验结果表明，在大多数情况下，这些度量的组合可以指示医疗相关事件的发生。我们还发现，具有相同事件的不同参与者基于单一熵度量可能具有不同度量。因此在推理模型中使用这些度量的组合将比任何单一度量都更有效。
引用
@article{arxiv.2210.01736,
title = {Using Entropy Measures for Monitoring the Evolution of Activity Patterns},
author = {Yushan Huang and Yuchen Zhao and Hamed Haddadi and Payam Barnaghi},
journal= {arXiv preprint arXiv:2210.01736},
year = {2022}
}