一个基于AIoT的算法用于挖掘独自生活的老年人的生活习惯

科学领域:

• 事物的人工智能 (AIoT)
• 老年学是指老年学的学科.
• 智能家居技术 智能家居技术

背景情况:

• 全球人口老龄化需要对独自生活的老年人进行更好的安全和健康监测.
• 现有的智能家居监控系统往往缺乏复杂的习惯挖掘能力.
• 活动认可对于老年护理中的积极健康和安全干预至关重要.

研究的目的:

• 开发和验证基于AIoT的新型习惯挖掘算法,用于增强智能家居中的活动监控.
• 改善老年人长期生活模式和行为依赖性的检测.
• 加强独立生活的老年人安全和健康监测框架.

主要方法:

• 整合一个一维的U-Net神经网络,用于准确的日常活动分类.
• 基于FP-Growth的时间关联规则分析的应用,以发现时间敏感的行为模式.
• 利用环境传感器数据和时间标识长期老年人的习惯.

主要成果:

• 拟议的AIoT算法在CASAS数据集 (ARUBA和MILAN) 的实验验证中实现了84.77%的精度.
• 与传统技术相比,在行为识别和习惯挖掘方面表现优越.
• 通过分析行为序列中的时间敏感依赖关系,成功识别了长期的习惯.

结论:

• 基于AIoT的习惯挖掘算法为智能家居安全和健康监控提供了一个精确和适应性的框架.
• 该系统有效地增强了活动监控,并揭示了老年人的有意义的生活模式.
• 这种方法具有显著的潜力,可以改善单独生活的老年人的生活质量和安全.