Resumen

En el mbito del reconocimiento y la clasificacin de las actividades de los nios, se han propuesto numerosos trabajos que hacen uso de distintas fuentes de datos. En la mayora de ellos se utilizan sensores embebidos en prendas infantiles. En este trabajo, se propone el uso de datos de sonido ambiental para generar un modelo de reconocimiento y clasificacin de actividades infantiles mediante tcnicas de aprendizaje automtico, optimizado para su aplicacin en dispositivos mviles. Inicialmente, se presenta el uso de un algoritmo gentico para la seleccin de caractersticas, reduciendo el tamao original del conjunto de datos utilizado, aspecto importante cuando se trabaja con los recursos limitados de un dispositivo mvil. Para la evaluacin de este proceso, se aplican cinco mtodos de clasificacin diferentes, k-nearest neighbor (k-NN), nearest centroid (NC), redes neuronales artificiales (ANNs), random forest (RF), y recursive partitioning trees (Rpart). Finalmente, se realiza una comparacin de los modelos obtenidos, basada en la precisin, con el fin de identificar el mtodo de clasificacin que presenta el mejor desempeo en el desarrollo de un modelo que permita identificar la actividad infantil a partir de seales de audio. De acuerdo con los resultados, el mejor desempeo es presentado por el modelo de cinco caractersticas desarrollado a travs de RF, obteniendo una precisin de 0,92, lo que permite concluir que es posible clasificar automticamente la actividad infantil a partir de un conjunto reducido de caractersticas con una precisin significativa.

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Propuesta; Fuentes de datos; Sonido ambiental; Selección de características; Métodos de clasificación; Dispositivos móviles
• Keywords:Proposed; Data sources; Environmental sound; Feature selection; Classification methods; Mobile devices