طراحی یک سیستم ترکیبی فازی با K-Means برای تشخیص نوع جسم با استفاده از داده‌های حسگر خمشی

طراحی یک سیستم ترکیبی فازی با K-Means برای تشخیص نوع جسم با استفاده از داده‌های حسگر خمشی

مریم معاضدی1 قاسم لطفي آرپاچايي2

1) استادیار، دانشکده فناوریهای نوین، دانشگاه محقق اردبیلی
2) دانشجوي کارشناسي ارشد، دانشکده فناوریهای نوین، دانشگاه محقق اردبیلی

کد IOI مقاله : AAHD-ABGHCA
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    دستکش‌های هوشمند با حسگرهای خمشی یکی از ابزارهای مؤثر در تعامل انسان-ماشین و توانبخشی هستند و کاربردهای وسیعی در حوزه‌های مختلف پیدا کرده‌اند. علیرغم پیشرفت‌های اخیر، چالش‌هایی مانند هزینه بالا، نیاز به کالیبراسیون توسط کاربر یا اپراتور، خطا در تشخیص حرکات ناقص و وابستگی به پردازش ابری، همچنان وجود دارد. از این رو تحقیق و توسعه در زمینه طراحی حسگرهای ارزان، الگوریتم‌های مقاوم مبتنی بر منطق فازی و یادگیری ماشین و همچنین معماری‌های پردازش لبه‌ای، برای دستیابی به دستکش‌های هوشمند عملی، دقیق و در دسترس، ضروری است. در این تحقیق، یک سیستم فازی مبتنی بر خوشه‌بندی K-Means برای تشخیص نوع جسم در دست با استفاده از پنج حسگر خمشی ارائه شده است. ابتداء داده‌ها علی رغم برچسب‌های زبانی؛ با الگوریتم K-Means خوشه‌بندی می‌شوند تا مراکز خوشه‌ها به دست ‌آید. در ادامه پراکندگی یا انحراف معیار هر خوشه برای طراحی توابع عضویت محاسبه می شود. توابع عضویت فازی بر اساس این مراکز و انحراف معیارها تعریف می‌شوند. برای هر حسگر سه تابع عضویت طراحی می‌شود. قوانین فازی با عملگر AND نوشته و آزمایش می‌گردد. خروجی هر قانون یک عدد بین ۰ تا ۲ است که پس از غیرفازی‌سازی به نزدیک‌ترین برچسب نگاشت می‌شود. با جایگزینی عملگر کمینه با میانگین و سپس حاصلضرب، دقت از ۵۴.۸٪ به ۸۲.۲٪ و در نهایت به ۸۶.۲٪ افزایش یافت. با توجه به سادگی روش، تعداد محدود حسگرها و قابلیت پیاده‌سازی بلادرنگ، این نتیجه در مقایسه با روش‌های مشابه، کارآیی بهتری دارد.

کلمات کلیدی : ژست دست حسگر خمشی منطق فازی خوشه‌بندی k means تابع عضویت گوسی