Please use this identifier to cite or link to this item: http://dspace.univ-temouchent.edu.dz/handle/123456789/5566
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMOULKRALOUA, Nour El Houda-
dc.contributor.authorZENAGUI, Fadela-
dc.contributor.authorBENTAIEB, Samia-
dc.date.accessioned2024-12-04T09:27:06Z-
dc.date.available2024-12-04T09:27:06Z-
dc.date.issued2021-
dc.identifier.urihttp://dspace.univ-temouchent.edu.dz/handle/123456789/5566-
dc.description.abstractLa reconnaissancedel’activitéhumaine(HAR)classel’activitéd’unepersonneà l’aide decapteurssensiblesquisontaffectésparlemouvementhumaine.Lesutili- sateurs etlescapteursdessmartphonesaugmententetlesutilisateursportentgéné- ralementleursmartphoneaveceux.CesfaitsrendentHARplusimportantetplus populaire. Ce travailseconcentresurlareconnaissancedel’activitéhumaineàl’aidedecapteurs de smartphoneenutilisantdifférentesapprochesdeclassificationparapprentissage automatique etapprentissageprofond.Lesdonnéesextraitesdescapteursd’accélé- romètre etdegyroscopedestéléphonesintelligentssontclasséesafindereconnaître l’activité humaine.Lesrésultatsdesapprochesutiliséessontcomparésentermes d’efficacité etdeprécision.Pourl’évaluationdecesapprochesnousavonsutiliséla base dedonnéeUCIHARquiaplusde800citationsdepuis2012. Après avoirprouvélafiabilitéetlarobutessedumodèle,lacarteraspberrypi4aété utilisée pourrendrelesystèmeembraqué.en_US
dc.language.isofren_US
dc.subjectLareconnaissancedel’activitéhumaine(HAR),smartphone,Clas- sification, K-NN,SVM,DeeplearningDL,ConvolutionnelNeurolNetwork(CNN), Raspberry. 1en_US
dc.titleReconnaissance de l’Activité Humaine à partir des Données Smartphoneen_US
dc.typeThesisen_US
Appears in Collections:Electronique

Files in This Item:
File Description SizeFormat 
memoire final.pdf4,46 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.