Luận văn Thạc sĩ: Nghiên cứu sử dụng các phương pháp học máy có giám sát để phân loại hoạt động dựa trên dữ liệu gia tốc

Luận văn này giới thiệu về nhu cầu ngày càng tăng trong việc chăm sóc sức khỏe và giám sát hoạt động con người, đặc biệt trong bối cảnh các thách thức y tế hiện nay. Nhận thấy những hạn chế của các phương pháp giám sát truyền thống, đề tài tập trung vào việc sử dụng dữ liệu gia tốc kết hợp với các phương pháp học máy có giám sát để phân loại hoạt động, nhằm hỗ trợ theo dõi sức khỏe và phát hiện sớm các vấn đề liên quan đến hoạt động thể chất.

Các nhà nghiên cứu, sinh viên và chuyên gia trong lĩnh vực trí tuệ nhân tạo, học máy, hệ thống thông tin, Internet vạn vật (IoT) và công nghệ chăm sóc sức khỏe.

Trong bối cảnh nhu cầu chăm sóc sức khỏe con người ngày càng cao và sự phát triển của công nghệ, luận văn này trình bày một nghiên cứu chuyên sâu về việc ứng dụng các phương pháp học máy có giám sát để phân loại hoạt động dựa trên dữ liệu gia tốc. Đề tài xuất phát từ động lực cải thiện khả năng giám sát sức khỏe từ xa, đặc biệt cho người cao tuổi và bệnh nhân, nhằm giảm gánh nặng cho hệ thống y tế và hỗ trợ tự chăm sóc. Luận văn nhấn mạnh ưu điểm của việc sử dụng cảm biến gia tốc đeo được – như chi phí thấp, kích thước nhỏ, không xâm phạm quyền riêng tư và khả năng thu thập dữ liệu liên tục – so với các phương pháp dựa trên camera hay cảm biến môi trường. Nghiên cứu tập trung vào việc phân tích và so sánh hiệu quả của các thuật toán học máy có giám sát như Máy véc-tơ hỗ trợ (SVM), Cây quyết định (DT), K láng giềng gần nhất (KNN) và Rừng ngẫu nhiên (RF) trong bài toán nhận dạng hoạt động người (HAR). Mục tiêu chính là xây dựng một hệ thống phân loại hoạt động chính xác và hiệu quả, giúp theo dõi và đánh giá tình trạng hoạt động thể chất của con người, từ đó hỗ trợ phát hiện sớm các bất thường và cải thiện chất lượng cuộc sống. Luận văn cũng đề cập đến các thách thức trong việc thu thập và xử lý dữ liệu gia tốc, cũng như các phương pháp đánh giá hiệu suất của mô hình phân loại.