Aprendizaje multi-etiqueta para el reconocimiento de actividades

Los avances en la computación ubicua y pervasive han dado lugar al desarrollo de sensores que pueden ser fácilmente desplegados en el hábitat natural de un ser humano para adquirir datos relacionados con la actividad. Sin embargo, inferir información significativa sobre la actividad a partir de los datos de los sensores sigue siendo un problema desafiante. Este artículo aborda el problema de inferir actividades que son realizadas simultáneamente por múltiples residentes en un hogar inteligente o un solo residente que realiza múltiples actividades de manera concurrente. El artículo formula este problema como el aprendizaje de múltiples etiquetas de actividad a partir de una secuencia de datos de sensores. Investiga la idoneidad de los algoritmos de aprendizaje multi-etiqueta inspirados en árboles de decisión como una solución propuesta al problema. Los resultados obtenidos de los experimentos en cuatro conjuntos de datos de actividades de múltiples residentes de referencia indican claramente la superioridad de los enfoques basados en conjuntos de árboles de decisión (bosques aleatorios) para el aprendizaje multi-etiqueta.