Tài liệu Luận văn cntt nhận dạng hành vi người dùng từ dữ liệu của cảm biến của điện thoại thông minh

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ --------------------- ĐỖ VĂN THÌN NHẬN DẠNG HÀNH VI NGƯỜI DÙNG TỪ DỮ LIỆU CỦA CẢM BIẾN CỦA ĐIỆN THOẠI THÔNG MINH LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN Hà Nội – 2016 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ --------------------- ĐỖ VĂN THÌN NHẬN DẠNG HÀNH VI NGƯỜI DÙNG TỪ DỮ LIỆU CỦA CẢM BIẾN CỦA ĐIỆN THOẠI THÔNG MINH Ngành : Hệ thống thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60.48.01.04 LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN HẢI CHÂU XÁC NHẬN CỦA XÁC NHẬN CỦA CÁN BỘ HƯỚNG DẪN CHỦ TỊCH HỘI ĐỒNG Hà Nội – 2016 LỜI CAM ĐOAN Tôi xin cam đoan nội dung và những kết quả của luận văn tốt nghiệp này là do tôi tự nghiên cứu dưới sự hướng dẫn của PGS.TS Nguyễn Hải Châu. Trong toàn bộ nội dung của luận văn, những nội dung được trình bày là của cá nhân tôi hoặc được tổng hợp từ nhiều nguồn tài liệu khác. Tất cả các tài liệu tham khảo đều được trích dẫn rõ ràng ở phần cuối của luận văn. Tôi xin cam đoan những lời trên là sự thật. Nếu sai tôi xin hoàn toàn chịu trách nhiệm. Hà Nội, ngày tháng năm Học viên Đỗ Văn Thìn LỜI CẢM ƠN Tôi xin gửi lời cảm ơn sâu sắc tới PGS.TS Nguyễn Hải Châu, người đã tận tình chỉ bảo tôi những kiến thức chuyên môn, phương pháp nghiên cứu khoa học đồng thời cũng là tấm gương trong mọi mặt của cuộc sống để tôi học tập và noi theo. Tôi xin chân thành cảm ơn các thầy, cô giáo trường Đại học Công Nghệ đã cung cấp cho tôi những kiến thức bổ ích trong thời gian tôi học tập tại trường. Cuối cùng tôi xin gửi lời cảm ơn tới gia đình tôi đã luôn ủng hộ tôi trên con đường học tập và nghiên cứu với nhiều khó khăn, vất vả. Mặc dù tôi đã cố gắng hết sức trong quá trình làm luận văn nhưng không thể tránh khỏi thiếu sót, rất mong nhận được những góp ý của thầy cô và các bạn. Hà Nội, ngày tháng năm Học viên Đỗ Văn Thìn MỤC LỤC Mục lục ................................................................................................................................. 1 Danh mục chữ viết tắt ........................................................................................................... 2 Danh mục hình...................................................................................................................... 3 Danh mục bảng ..................................................................................................................... 4 Giới thiệu .............................................................................................................................. 5 Chương 1: Tổng quan ........................................................................................................... 7 1.1. Tổng quan về giám sát hoạt động ........................................................................... 7 1.2. Cảm biến ................................................................................................................. 8 1.3. Điện thoại thông minh .......................................................................................... 11 1.4. Phân lớp ................................................................................................................ 13 1.4.1. Khái niệm phân lớp ........................................................................................ 13 1.4.2. Phân lớp dữ liệu ............................................................................................. 13 Chương 2: Phương pháp, công cụ hỗ trợ nhận dạng hành vi ............................................. 18 2.1. Kỹ thuật phân lớp nhận dạng hành vi ................................................................... 18 2.2. Tiền xử lý .............................................................................................................. 20 2.3. Trích chọn tính năng ............................................................................................. 21 2.4. Phân lớp dữ liệu .................................................................................................... 23 2.4.1. Thuật toán SVM ............................................................................................. 24 2.4.2. Thuận toán k-NN............................................................................................ 27 2.4.3. Phân lớp dựa trên thuật toán cây quyết định .................................................. 28 2.5. Đánh giá thuật toán ............................................................................................... 30 Chương 3: Cài đặt và thực nghiệm ..................................................................................... 32 3.1. Bộ dữ liệu nhận dạng hành vi ............................................................................... 32 3.2. Tiền xử lý dữ liệu .................................................................................................. 35 3.3. Xây dựng thực nghiệm ứng dụng nhận dạng hành vi ........................................... 37 3.4. Kết quả thực nghiệm ............................................................................................. 39 Kết luận............................................................................................................................... 42 Tài liệu tham khảo .............................................................................................................. 43 1 DANH MỤC CHỮ VIẾT TẮT Ký hiệu ADL AR ARFF DT FFT HMM K-NN SVM Weka Diễn giải Activities of daily living Activity recognition Attribute-Relation File Format Dataset Fast Fourier Transform Hidden Markov Models k-Nearest Neighbours Tiếng Việt Hoạt động hàng ngày Nhận dạng hành vi Định dạng tài liệu ARFF Tập tài liệu Biến đổi Fourier Mô hình Markov ẩn Mô hình phân lớp K-hàng xóm gần nhất Support Vector Machines Waikato Environment for Knowledge Analysis 2 DANH MỤC HÌNH Hình 1.1: Lợi ích của giám sát hoạt động con người ........................................................... 7 Hình 1.2: Cảm biến gia tốc tuyến tính .................................................................................. 9 Hình 1.3: Hệ trục trên điện thoại thông minh....................................................................... 9 Hình 1.4: Tóm tắt những nghiên cứu trước đây về nhận dạng hành vi sử dụng cảm biến gia tốc ................................................................................................................................. 10 Hình 1.5: Phân lớp dữ liệu – (a) Xây dựng mô hình phân lớp ........................................... 15 Hình 1.6: Phân lớp dữ liệu – (b1) ước lượng độ chính xác mô hình .................................. 16 Hình 1.7: Phân lớp dữ liệu – (b2) phân lớp dữ liệu mới .................................................... 16 Hình 2.1: Sơ đồ biểu diễn quy trình học máy..................................................................... 19 Hình 2.2: mô hình nhận dạng hành vi từ dữ liệu cảm biến trên điện thoại thông minh ..... 20 Hình 2.3: Siêu phẳng h chia bộ dữ liệu huấn luyện thành 2 tập + và – với khoảng cách biên lớn nhất. ...................................................................................................................... 25 Hình 2.4: Ví dụ về cây quyết định ...................................................................................... 29 Hình 2.5: Mã giải của thuật toán phân lớp dữ liệu dựa trên cây quyết định ...................... 30 Hình 2.6: Ma trận nhầm lẫn ................................................................................................ 31 Hình 3.1: Thu thập dữ liệu từ cảm biến của điện thoại thông minh ................................... 32 Hình 3.2: Ví dụ về dữ liệu của cảm biến gia tốc ................................................................ 33 Hình 3.3: Chương trình ứng dụng demo ............................................................................ 39 Hình 3.4: Kết quả phân lớp dữ liệu với thuật toán J48 ...................................................... 41 3 DANH MỤC BẢNG Bảng 1.1: Các cảm biến được trang bị trên điện thoại thông minh ......................... 12 Bảng 2.1: Tính năng miền thời gian ........................................................................ 22 Bảng 2.2: Miền tần số .............................................................................................. 22 Bảng 2.3: Tính năng miền chuỗi biểu tượng............................................................ 23 Bảng 2.4: Công thức đánh giá toán hiệu năng thuật toán phân lớp ......................... 31 Bảng 3.1: Số lượng các trường hợp cho mỗi lớp ..................................................... 34 Bảng 3.2: Tính năng được trích xuất và mô tả ......................................................... 34 Bảng 3.3: Tín hiệu được chuyển hóa từ dữ liệu gia tốc, sử dụng miền thời gian và tần số......................................................................................................................... 35 Bảng 3.4: Trích chọn tính năng từ tập dữ liệu ban đầu ............................................ 36 Bảng 3.5: Loại bỏ tính năng được đánh dấu trong các tập dữ liệu .......................... 36 Bảng 3.6: Phân lớp J48 với các tập dữ liệu .............................................................. 39 Bảng 3.7: Thử nghiệm với tập dữ liệu DT2 ............................................................ 40 Bảng 3.8: Kết quả thực nghiệm với thuật toán J48 .................................................. 40 4 GIỚI THIỆU 1. Tính cấp thiết của đề tài Nhận dạng hành vi con người sử dụng các cảm biến cá nhân đã trở thành một lĩnh vực nghiên cứu quan trọng nhằm tạo ra hay cải thiện các ứng dụng giám sát hoạt động con người. Khả năng ghi lại và nhận dạng các hoạt động cá nhân hàng ngày là điều cần thiết để xác định mức độ thực hiện hoạt động của con người. Những hệ thống này có những ứng dụng thực tế trong việc chăm sóc sức khỏe và theo dõi luyện tập sức khỏe. Hoạt động thể chất có tác dụng tích cực lên tất cả các chức năng của cơ thể và các nghiên cứu đã chứng minh rằng nguy cơ tim mạch giảm tới 50% đối với người có hoạt động thể chất tích cực [5].Với sự già hóa dân số và kinh phí hạn chế cho việc chăm sóc sức khỏe cộng đồng, sự quan tâm nhiều hơn được trả để giám sát hoạt động con người, nâng cao khả năng hỗ trợ các bệnh nhân và giúp họ tự chăm sóc bản thân, giảm sự chăm sóc y tế thông thường và chuyển qua chăm sóc từ xa. Trong lĩnh vực y tế, việc theo dõi hoạt động người dùng trong thời gian dài có thể hữu ích trong việc phát hiện sớm các bệnh hoặc có thể khuyến khích người dùng cải thiện mức độ hoạt động của họ. Một trong những phương pháp được sử dụng để giám sát hoạt động của con người là dựa trên các hệ thống video ghi chuyển động được liên kết với nền cảm nhận áp lực ở dưới. Những phương pháp này gây khó chịu, đòi hỏi thiết bị lớn và chỉ có thể được sử dụng bên trong phòng thí nghiệm đòi hỏi các thiết lập cao, thời gian xử lý cũng như không gian bộ nhớ để ghi lại nó. Phân tích hành vi sử dụng các cảm biến của điện thoại thông minh đã trở thành một lựa chọn thú vị cho hệ thống này vì kích thước nhỏ, chi phí thấp và khả năng ghi lại các tín hiệu chuyển động một cách kín đáo. Hơn nữa ngày nay hầu hết các điện thoại thông minh đều được tích hợp các cảm biến phù hợp cho việc phân tích hành vi người dùng. Cảm biến gia tốc và con quay hồi chuyển được sử dụng để nghiên cứu các hoạt động hàng ngày của con người. Phân loại thông tin chuyển động, thu thập được từ dữ liệu từ các cảm biến trong điện thoại thông minh, các nhãn hoạt động thường được thực hiện với kỹ thuật học máy 5 đòi hỏi phải khai thác các thông số dữ liệu chuyển động để huấn luyện phân lớp để dự đoán dữ liệu hoạt động mới với mô hình huấn luyện. 2. Mục tiêu và nhiệm vụ của đề tài Nghiên cứu phương pháp giám sát hành vi người sử dụng điện thoại thông minh sử dụng các cảm biến trên điện thoại thông minh. Trong luận văn này sẽ tập trung vào các hoạt động hàng ngày như: đứng (standing), ngồi (sitting), nằm (laying), đi bộ (walking), đi lên cầu thang (walking upstairs), đi xuống cầu thang (walking down stairs). Sự chuyển động của người dùng được ghi lại bằng cảm biến gia tốc của điện thoại thắt lưng được đặt ở thắt lưng người dùng khi họ thực hiện các hoạt động. Nghiên cứu các thuật toán giúp phân lớp gán nhãn các hoạt động người dùng dựa vào dữ liệu cảm biến trên điện thoại thông minh Xây dựng sản phẩm phân tích hành vi người sử dụng trên điện thoại thông minh, đánh giá chất lượng mô hình xây dựng được. 6 CHƯƠNG 1: TỔNG QUAN 1.1. Tổng quan về giám sát hoạt động Theo dõi chính xác các hoạt động của con người có khả năng cải thiện hệ thống chăm sóc sức khỏe, cảnh báo sớm các nguy cơ, giám sát tập thể dục và hỗ trợ trong sinh hoạt hàng ngày. Những hệ thống nhận thức hoạt động này có thể cung cấp cho người dùng một loạt các dịch vụ tiện ích ví dụ như: bằng cách phân tích các hoạt động của con người trong một khoảng thời gian có thể xác định được xu hướng của các thói quen hàng ngày từ đó điều chỉnh để có một chế độ tốt nhất cho cơ thể; đặc biệt với người cao tuổi, nó giúp cảnh báo các nguy cơ về sức khỏe. Hình 1.1: Lợi ích của giám sát hoạt động con người Khái niệm hoạt động đã được xem xét trong tương tác người–máy (HCI) để thiết kế tốt hơn các mô hình điện toán phân tán dựa trên hành vi người dùng (Bao & Intille, 2004). Các mục tiêu của điện toán phân tán là có mặt khắp mọi nơi và kín đáo, hoặc dần là nền tảng hỗ trợ con người trong khi học thực hiện các hoạt động hàng ngày. Dự đoán các hoạt động là mục tiêu của các hệ thống điện toán rộng khắp, tuy nhiên việc sử dụng các hành động cô lập để phân tích các tình huống thực tế bên ngoài không thành công, bởi vì hành động luôn nằm trong một bối cảnh, và hệ thống không thể hiểu được bối cảnh đó. Sự phát triển của các hệ thống nhận biết ngữ cảnh là quan trọng để nhận ra một hoạt động chính là bối cảnh có ý nghĩa tối thiểu để hiểu được hoạt động cá nhân. Phát hiện các tư thế không đủ để phân biệt được một số các hoạt động, chỉ khi có được bối cảnh, các hoạt động có thể được phân biệt một cách chính xác. 7 Quá trình giám sát hành vi người dùng bắt đầu bằng việc thu thập các dữ liệu thô, đặc biệt là dữ liệu chuyển động. Cảm biến quán tính là một giải pháp thích hợp để phát hiện chuyển động. Những cảm biến phản ứng với các kích thích bằng cách tạo ra các tín hiệu có thể phân tích và diễn tả. Thông thường, các cảm biến được đặt bên cạnh cơ thể và nên đem lại sự thoải mái cho người sử dụng. Các thế hệ mới của điện thoại thông minh được trang bị với một loạt các cảm biến bên trong: cảm biến gia tốc, cảm biến con quay hồi chuyển, cảm biến nhịp tim, cảm biến tiệm cận, cảm biến độ ẩm…. Một số cảm biến có thể được sử dụng để giám sát hoạt động hàng ngày của con người: cảm biến gia tốc, con quay hồi chuyển. Các thiết bị này rất tiện lợi, nhỏ và kín đáo, nó trở thành ý tưởng cho hệ thống nhận dạng hành vi người dùng. Tính năng hấp dẫn khác là có thể đeo được, làm việc với thời gian thực và được sử dụng để theo dõi lâu dài. Những thiết bị này có thể ghi nhận, xử lý và có đượcthông tin hữu ích từ dữ liệu thô của cảm biến, nhưng khó khăn chính của việc tạo ra các ứng dụng nhận biết bối cảnh là việc phát triển các tuận toán có thể nhận diện bối cảnh từ dữ liệu cảm biến có nhiễu và không rõ ràng. Phát triển một ứng dụng trên điện thoại thông minh cần phải tính đến những nguồn lực hạn chế của điện thoại thông minh như: thời gian xử lý, bộ nhớ hạn chế và tỷ lệ mẫu. Cảm biến gia tốc là một cảm biến lý tưởng vì chúng đòi hỏi sức mạnh xử lý thấp và tiêu thụ ít năng lượng. 1.2. Cảm biến Cảm biến có thể thu thập dữ liệu có thể được sử dụng để phát hiện các hành vi của con người. Có 3 vấn đề chính liên quan đến cảm biến: loại, vị trí và số lượng. Phần lớn các hệ thống nhận biết cử động sử dụng cảm biến quán tính, đặc biệt là cảm biến gia tốc để ước tính độ nghiêng của cơ thể và xác định phương hướng, chuyển động của người sử dụng. Cảm biến gia tốc sử dụng đầu dò để đo gia tốc tuyến tính(Hình 1.2). 8 Hình 1.2: Cảm biến gia tốc tuyến tính Tín hiệu thu được với cảm biến gia tốc có 2 thành phần, “một là gia tốc trọng trường cung cấp thông tin về tư thế của chủ thể, và một thành phần tăng tốc của cơ thể cung cấp thông tin về sự chuyển động của chủ thể”. Một cảm biến gia tốc 3 chiều đo gia tốc theo trục x, y, z so với màn hình của điện thoại được mô tả như hình dưới. Gia tốc được đo bằng đơn vị m/s2. Hình 1.3: Hệ trục trên điện thoại thông minh Một số điều tra sử dụng số lượng hoạt động và thị giác máy tính có khả năng hỗ trợ nhận dạng hành động sử dụng cảm biến gia tốc cũng được mô tả trong chương này. Nhiều 9 nghiên cứu trước đây đã chứng minh 85-95% cho đánh giá nhận dạng hành động, tư thế và các hành vi khác sử dụng dữ liệu cảm biến gia tốc [4]. Một số công trình được mô tả trong hình 1.4: Hình 1.4: Tóm tắt những nghiên cứu trước đây về nhận dạng hành vi sử dụng cảm biến gia tốc Các nghiên cứu trước chứng minh rằng các hình thức vận động như đi bộ, chạy bộ, leo cầu thang và các tư thế như ngồi, nằm đứng có thể được ghi nhận với độ chính xác từ 83 – 95% sử dụng cảm biến gia tốc trên hông, đùi và mắt cá chân. Tuy nhiên các nghiên cứu của Ling Bao và Intille cho thấy rằng đùi và cổ tay là vị trí thích hợp để đặt cảm biến gia tốc để phát hiện ADL. Dữ liệu cảm biến thu được từ cổ tay thuận là tốt hơn cho hoạt động phân biệt hành vi liên quan đến chuyển động cơ thể và dữ liệu từ gia tốc ở đùi là hữu ích cho việc nhận dạng hành vi được thực hiện với chi dưới. Hệ thống nhận dạng hành vi nên sử dụng dữ liệu với các dữ liệu ở vị trí khác nhau, cho phép người dùng mang theo thiết bị ở vị trí thuận tiện cho một bối cảnh nhất định. Khi cảm biến đang ở một vị trí 10 duy nhất, nó rất hữu ích để áp dụng một hệ thống thông tin đa chiều để ghi lại các tín hiệu theo ngữ cảnh của môi trường [5]. Liên quan đến số lượng cảm biến để có thể nhận diện chính xác. (Ling Bao & Intille, 2004) cho thấy rằng việc sử dụng 2 cảm biến chỉ ảnh hưởng khoảng 5% độ chính xác so với một hệ thống dùng 5 cảm biến. So sánh cảm biến gia tốc 2 trục và 3 trục làm tăng chi phí mà sự phong phú của dữ liệu là không đáng kể. Số lượng tối đa của cảm biến được ghi nhận là 6 cảm biến gia tốc đơn trục [4]. Một vấn đề quan trọng khác về cảm biến là một số hoạt động như leo cầu thang thường không thể phân biệt chỉ với cảm biến gia tốc, mà đòi hỏi phải bổ sung (ví dụ như microphone và áp kế) (Wilde, 2010). Các hoạt động phổ biến của con người như đi bộ, đứng, nằm, đi lên và xuống cầu thang là những hành vi sẽ được nghiên cứu trong luận văn này. 1.3. Điện thoại thông minh Thế hệ mới của điện thoại thông minh đang được xem xét bởi nhiều người dùng như là một thiết bị cá nhân quan trọng. Các thiết bị này có tiềm năng cho sự tăng trưởng cân xứng với việc thu thập dữ liệu hành vi cho việc xây dựng hệ thống dự đoán hành vi con người. Nhận thức về lợi ích của chúng đang trở lên phổ biến, và người dùng đã quen với việc có mặt khắp mọi nơi của chúng. Một trong những ứng dụng quan trọng nhất của phân tích hành vi con người là việc chăm sóc sức khỏe, đặc biệt là chăm sóc sức khỏe người cao tuổi. Tuy nhiên, người cao tuổi không có kỹ năng như nhau trong việc sử dụng điện thoại thông minh như những người trẻ, hơn nữa họ hay không mang theo các thiết bị trong cuộc sống thường ngày. Để trở nên thích ứng với hệ thống này, người cao tuổi phải học cách tương tác với công nghệ riêng của mình. Mặc dù thực tế ngày nay, người cao tuổi không quen tương tác với điện thoại thông minh, nhưng trong tương lai những người cao tuổi đã lớn lên cùng công nghệ này sẽ trở thành một phân khúc quan trọng. Điện thoại thông minh được trang bị với hàng loạt các cảm biến bên trong (Bảng 1.1), trong đó cảm biến gia tốc, và cảm biến con quay hồi chuyển có thể được sử dụng để giám sát hành vi hàng ngày của con người. Các thiết bị này rất tiện lợi, nhỏ và kín đáo, nó 11 trở thành nền tảng lý tưởng cho một hệ thống nhận dạng hành vi phổ biến. Tính năng hấp dẫn khác đó là nó có thể đeo được, luôn luôn bên cạnh người dùng, làm việc thời gian thực và có thể được sử dụng để giám sát lâu dài. Bảng 1.1: Các cảm biến được trang bị trên điện thoại thông minh Cảm biến Accelerometer Mô tả Cảm biến gia tốc, đo gia tốc trên thiết bị, bao gồm cả lực hấp dẫn Ambient temperature Đo nhiệt độ môi trường xung quanh sensor Gravity sensor Đo lực hấp dẫn theo 3 trục x, y, z Gyroscope Cảm biến con quay hồi chuyển của thiết bị theo ba trục (x; y; z) Light sensor Cảm biến ánh sáng Linear acceleration Đo gia tốc thiết bị, lực hấp dẫn bị loại trừ Sự phát triển của điện thoại thông minh cho việc dự đoán hành vi con người có một số nhược điểm như: pin hạn chế, bộ nhớ không cao và các phát triển mới trên lĩnh vực này cần giải quyết các câu hỏi như: tác động của các ứng dụng lên pin của điện thoại, tỉ lệ mẫu để đạt được kết quả chính xác, thời gian để tạo mô hình và không gian bộ nhớ cần thiết cho nó. Về quy trình thu thập dữ liệu, ta có thể chọn thu thập dữ liệu với một điện thoại thông minh được đặt ở những vị trí xác định trước hoặc ở 1 phần cơ thể và tạo ra một tập dữ liệu thích hợp, hoặc sử dụng bộ dữ liệu công cộng với dữ liệu đã được chú thích. Các tùy chọn trước đây đôi khi được ưa thích vì một tập dữ liệu có cùng kích thước và được chú thích là cần thiết để đánh giá thuật toán phân lớp, bởi vì một bộ dữ liệu có chú thích sẽ có thể kiểm tra được kết quả. Để thu thập một bộ dữ liệu hoàn chỉnh có thể không khả thi, vì nó phải thu thập một lượng lớn dữ liệu từ người sử dụng trong một thời gian dài để tạo ra một thuật toán mạnh mẽ và chính xác cho việc đoán định người dùng mới. Một số nghiên cứu trước đây đã hướng dẫn cho việc ghi dữ liệu sử dụng các đối tượng khác nhau, ưu tiên không phải người nghiên cứu hoặc không có sự giám sát để có được dữ liệu tự nhiên. Các đối tượng được yêu cầu thực hiện một loạt các hành động và 12 chú thích vào sau mỗi hoạt động hoặc để thực hiện ngẫu nhiên các trình tự của hoạt động được xác định trước. Một bộ dữ liệu công cộng đã được tạo ra bởi ESANN 2012 (Anguita, Ghio, Oneto, Parra, & Reyes-Ortiz, 2012, 2013) [6]. Các thí nghiệm được tiến hành với một nhóm 30 tình nguyện viên trong phạm vi độ tuổi từ 19 đến 48. Mỗi người thực hiện 6 hành vi và đeo một chiếc điện thoại thông minh (Galaxy S II) vào thắt lưng, đặt theo chiều dọc. Sử dụng cảm biến gia tốc, con quay hồi chuyển họ đã lấy được dữ liệu gia tốc tuyến tính 3 trục và vận tốc góc 3 trục ở một tốc độ không thay đổi 50Hz. Các thí nghiệm được ghi hình lại để gán nhãn dữ liệu bằng tay. 1.4. Phân lớp 1.4.1. Khái niệm phân lớp Phân lớp dữ liệu có thể coi là quá trình học một mô hình mà mô hình này dùng để mô tả các lớp dữ liệu khác nhau. Các lớp dữ liệu ở đây đã được xác định trước. Khác với phân cụm dữ liệu, phân lớp dữ liệu được xem là một quá trình “học có giám sát”. Sau khi được xây dựng, mô hình phân lớp có thể được sử dụng để phân lớp các dữ liệu mới. Mỗi bản ghi trong tập dữ liệu học có một thuộc tính gọi là nhãn lớp (Class lable) để chỉ ra bản ghi đó thuộc lớp nào. 1.4.2. Phân lớp dữ liệu Ngày nay phân lớp dữ liệu (classification) là một trong những hướng nghiên cứu chính của khai phá dữ liệu. Thực tế đặt ra nhu cầu là từ một cơ sở dữ liệu với nhiều thông tin ẩn con người có thể trích rút ra các quyết định nghiệp vụ thông minh. Phân lớp và dự đoán là hai dạng của phân tích dữ liệu nhằm trích rút ra một mô hình mô tả các lớp dữ liệu quan trọng hay dự đoán xu hướng dữ liệu tương lai. Phân lớp dự đoán giá trị của những nhãn xác định (categorical label) hay những giá trị rời rạc (discrete value), có nghĩa là phân lớp thao tác với những đối tượng dữ liệu mà có bộ giá trị là biết trước. Trong khi đó, dự đoán lại xây dựng mô hình với các hàm nhận giá trị liên tục. Ví dụ mô hình phân lớp dự báo thời tiết có thể cho biết thời tiết ngày mai là mưa, hay nắng dựa vào những thông số về độ ẩm, sức gió, nhiệt độ,… của ngày hôm 13 nay và các ngày trước đó. Hay nhờ các luật về xu hướng mua hàng của khách hàng trong siêu thị, các nhân viên kinh doanh có thể ra những quyết sách đúng đắn về lượng mặt hàng cũng như chủng loại bày bán… Một mô hình dự đoán có thể dự đoán được lượng tiền tiêu dùng của các khách hàng tiềm năng dựa trên những thông tin về thu nhập và nghề nghiệp của khách hàng. Trong những năm qua, phân lớp dữ liệu đã thu hút sự quan tâm các nhà nghiên cứu trong nhiều lĩnh vực khác nhau như học máy (machine learning), hệ chuyên gia (expert system), thống kê (statistics)... Công nghệ này cũng ứng dụng trong nhiều lĩnh vực khác nhau như: thương mại, nhà băng, maketing, nghiên cứu thị trường, bảo hiểm, y tế, giáo dục... Phần lớn các thuật toán ra đời trước đều sử dụng cơ chế dữ liệu cư trú trong bộ nhớ (memory resident), thường thao tác với lượng dữ liệu nhỏ. Một số thuật toán ra đời sau này đã sử dụng kỹ thuật cư trú trên đĩa cải thiện đáng kể khả năng mở rộng của thuật toán với những tập dữ liệu lớn lên tới hàng tỉ bản ghi. Quá trình phân lớp dữ liệu gồm hai bước [8]:  Bước thứ nhất (learning) Quá trình học nhằm xây dựng một mô hình mô tả một tập các lớp dữ liệu hay các khái niệm định trước. Đầu vào của quá trình này là một tập dữ liệu có cấu trúc được mô tả bằng các thuộc tính và được tạo ra từ tập các bộ giá trị của các thuộc tính đó. Mỗi bộ giá trị được gọi chung là một phần tử dữ liệu (data tuple), có thể là các mẫu (sample), ví dụ (example), đối tượng (object), bản ghi (record) hay trường hợp (case). Khoá luận sử dụng các thuật ngữ này với nghĩa tương đương. Trong tập dữ liệu này, mỗi phần tử dữ liệu được giả sử thuộc về một lớp định trước, lớp ở đây là giá trị của một thuộc tính được chọn làm thuộc tính gán nhãn lớp hay thuộc tính phân lớp (class label attribute). Đầu ra của bước này thường là các quy tắc phân lớp dưới dạng luật dạng if-then, cây quyết định, công thức logic, hay mạng nơron. Quá trình này được mô tả như trong hình 1.5. 14 Hình 1.5: Phân lớp dữ liệu – (a) Xây dựng mô hình phân lớp  Bước thứ hai (classification) Bước thứ hai dùng mô hình đã xây dựng ở bước trước để phân lớp dữ liệu mới. Trước tiên độ chính xác mang tính chất dự đoán của mô hình phân lớp vừa tạo ra được ước lượng. Holdout là một kỹ thuật đơn giản để ước lượng độ chính xác đó. Kỹ thuật này sử dụng một tập dữ liệu kiểm tra với các mẫu đã được gán nhãn lớp. Các mẫu này được chọn ngẫu nhiên và độc lập với các mẫu trong tập dữ liệu đào tạo. Độ chính xác của mô hình trên tập dữ liệu kiểm tra đã đưa là tỉ lệ phần trăm các các mẫu trong tập dữ liệu kiểm tra được mô hình phân lớp đúng (so với thực tế). Nếu độ chính xác của mô hình được ước lượng dựa trên tập dữ liệu đào tạo thì kết quả thu được là rất khả quan vì mô hình luôn có xu hướng “quá vừa” dữ liệu. Quá vừa dữ liệu là hiện tượng kết quả phân lớp trùng khít với dữ liệu thực tế vì quá trình xây dựng mô hình phân lớp từ tập dữ liệu đào tạo có thể đã kết hợp những đặc điểm riêng biệt của tập dữ liệu đó. Do vậy cần sử dụng một tập dữ liệu kiểm tra độc lập với tập dữ liệu đào tạo. Nếu độ chính xác của mô hình là chấp nhận được, thì mô hình được sử dụng để phân lớp những dữ liệu tương lai, hoặc những dữ liệu mà giá trị của thuộc tính phân lớp là chưa biết. 15 Hình 1.6: Phân lớp dữ liệu – (b1) ước lượng độ chính xác mô hình Hình 1.7: Phân lớp dữ liệu – (b2) phân lớp dữ liệu mới Trong mô hình phân lớp, thuật toán phân lớp giữ vai trò trung tâm, quyết định tới sự thành công của mô hình phân lớp. Do vậy chìa khóa của vấn đề phân lớp dữ liệu là tìm ra được một thuật toán phân lớp nhanh, hiệu quả, có độ chính xác cao và có khả năng mở rộng được. Trong đó khả năng mở rộng được của thuật toán được đặc biệt trú trọng và phát triển. 16