استغلال استخراج الميزات LDA لتعزيز دقة التعرف على الأنشطة البشرية

تُقدّم هذه الدراسة منهجية هجينة لاستخراج الميزات تجمع بين طرائق تحليل التمييز الخطي (LDA) والشبكة العصبية متعددة الطبقات (MLP) لمعالجة التحديات المرتبطة بتقليل أبعاد متجه الميزات وتصنيف الأنشطة البشرية المُستندة إلى الهواتف الذكية بدقة. علاوةً على ذلك، لتحسين دقة تصنيف الأنشطة، تم استخدام تحسين آلة الدعم المتجهة (SVM) مع خوارزمية النزول التدرجي العشوائي (SGD). حيث تُستخدَم LDA، وهي أداة إحصائية، لاستخلاص فضاء ميزات جديد لعمليات التمثيل، مما يعزز فصل الفئات ويُحسّن تنبؤ علامات الميزات في البيانات المُختبرة. وقد تم تقييم المنهجية المقترحة، التي أُسْمِيَت بـ LMSS، باستخدام مجموعة بيانات UCI-HAR، ومقارنتها مع النماذج الرائدة في مجالها. وقد أظهرت النتائج أن المنهجية المقترحة تفوقت على أفضل طريقة أداءً على هذه المجموعة. حيث حققت معدل دقة بلغ 99.52%، ودقة تنبؤ (Precision) بلغت 99.55%، ودقة استرجاع (Recall) بلغت 99.53%، ودرجة F1 بلغت 99.54%، مما يُبرز كفاءة المنهجية المقترحة في تصنيف البيانات بدقة عالية.