QU ƢỜ N Ọ - - VƢƠ ỊNH NGHIÊN CỨU THUẬT TOÁN CÂY QUYẾ ỊNH SỬ DỤ P Â Í ƢỠNG KÉP CHO ỨNG DỤNG PHÂN LO I HÀNH VI CỦA BÒ Ậ V CÔNG NGH KỸ THUẬ N TỬ, TRUYỀN THÔNG – 2017 QU ƢỜ N Ọ - - VƢƠ ỊNH NGHIÊN CỨU THUẬT TOÁN CÂY QUYẾ ỊNH SỬ DỤ P Â Í ƢỠNG KÉP CHO ỨNG DỤNG PHÂN LO I HÀNH VI CỦA BÒ Ng nh: ng Nghệ Kỹ thuật iện tử, Truyền thông hu n ng nh: ỹ thuật Viễn thông Mã số: 60520208 Ậ V CÔNG NGH KỸ THUẬ ƢỜ N TỬ, TRUYỀN THÔNG ƢỚNG DẪN KHOA HỌC: PGS.TS TRẦ – 2017 ỨC TÂN i Ờ Ầ Trong năm gần đâ , việc giám sát hoạt động gia súc trang trại lớn trở n n quan trọng v phổ biến ể nâng cao nguồn lợi kinh tế, người ta c ng ng c ng mở rộng chăn nu i gia súc với số lượng lớn Nếu sử dụng cách tru ền thống l giám sát sức khỏe cá thể gia súc cách quan sát trực tiếp đem áp dụng vào việc quản lý sức khỏe n ng trại lớn l việc khó khăn v kh ng hiệu Do việc đề xuất đề tài nghiên cứu khoa học phục vụ cho phát triển chăn nu i, kiểm soát gia súc, nhằm nâng cao suất, chất lượng giống; cải tiến kỹ thuật giống, chăm sóc, nu i dưỡng, thú …l điều cấp thiết Việc giám sát hành vi hàng ngày bò sữa giúp chủ trang trại biết tình trạng sức khoẻ chúng Nó giúp nông dân có nhìn toàn diện sức khoẻ suốt trình phát triển có biện pháp điều chỉnh chế độ chăm sóc phù hợp Nghiên cứu tập trung vào dự đoán hành vi bò việc sử dụng phân tích liệu từ thiết bị giám sát đeo cổ cho cá thể Thiết bị giám sát sử dụng cảm biến gia tốc chiều, liệu từ cảm biến n sử dụng để phân loại h nh vi đơn giản bò như: ăn, nằm đứng Trên thực tế có nhiều thuật toán dùng để phân loại hành vi bò Trong luận văn này, sử dụng thuật toán định để phân loại h nh vi đứng, nằm v ăn bò Thuật toán tìm ngưỡng định cách đồng thời Việc tìm ngưỡng đồng thời n giúp nâng cao độ xác so với phương pháp [1,9,10] tìm ngưỡng Ngoài thuật toán thực so sánh liệu lấy cảm biến gia tốc [7] lấy mẫu với thời gian khác ii Ờ Ơ Xuất phát từ ý nghĩa thực tế việc quản lý, phân loại hành vi số lượng lớn bò, luận văn l kết trình nghiên cứu lý luận thực tiễn cá nhân tác giả dựa bảo, hướng dẫn tận tình PGS.TS Trần ức Tân Thầ kh ng quản khó khăn, thời gian, công sức để giúp hoàn thành luận văn n , nhân đâ , t i xin gửi lời cảm ơn sâu sắc tới PGS.TS Trần ức Tân ược thầy hướng dẫn niềm hạnh phúc cá nhân tác giả, lẽ thầy nhà giáo trẻ, mẫu mực, say mê nghiên cứu khoa học, l người có phương pháp nghi n cứu, có nhiều đóng góp cho nghiệp nghiên cứu khoa học – hình mẫu cho noi theo T i c ng xin gửi lời cảm ơn đến thầ , c giáo v bạn b lớp thuật viễn thông, hoa iện Tử – Viễn Th ng, Trường ại ọc ng Nghệ, Quốc ia Nội có nhận x t, góp ý cho luận văn n t i ỹ ại ọc uối t i xin gửi lời cảm ơn đến gia đình t i, quan t i c ng tác, người tạo điều kiện cho t i học tập v nghi n cứu ia đình l động lực cho t i vượt qua thử thách, lu n lu n ủng hộ v động vi n t i ho n th nh luận văn n iii Ờ T i xin cam đoan luận văn n l sản phẩm trình nghiên cứu, tìm hiểu cá nhân hướng dẫn bảo thầ hướng dẫn, thầ c môn, khoa bạn b T i kh ng ch p t i liệu hay công trình nghiên cứu người khác để làm luận văn Nếu vi phạm, xin chịu trách nhiệm Vương ng ịnh iv Ụ Ụ Ờ Ầ i Ờ iii Ụ Ụ .iv Ụ V VẾ Ắ v Ụ vii Ụ V viii CHƢƠ ỚI THI U TỔNG QUAN 1.1 ặt vấn đề 1.2 Cấu trúc chung hệ thống 1.3 Nội dung thực 1.4 Tổ ƢƠ ứ ận n ỰC HI N THUẬT TOÁN 2.1 đặ tín đặ trƣng 2.2 ƣ đồ thuật toán 2.3 Hiệ n ng ệ thống 2.4 Thực thuật toán 2.5 Kết thực thuật toán 2.5.1 Kịch mô thuật toán với liệu lấy mẫu 10 phút/lần 2.5.2 Kịch mô thuật toán với liệu lấy mẫu 05 phút/lần 13 2.5.3 Kịch mô thuật toán với liệu lấy mẫu 01 phút/lần 17 2.6 Nhận xét 21 ƢƠ ẬT TOÁN 22 3.1 Hiệ n ng thuật toán tần số lấy mẫu khác 22 3.1.1 Hiệu thuật toán với liệu lấy mẫu 10 phút/lần 22 3.1.2 Hiệu thuật toán với liệu lấy mẫu 05 phút/lần 24 3.1.3 Hiệu thuật toán với liệu lấy mẫu 01 phút/lần 27 3.2 Hiệ n ng thuật toán so với p ƣơng p áp 31 KẾT LUẬN 35 36 v Ụ iệ Tiếng Anh V Tiếng Việt VẾ Ắ ơn ị g Gravity of Earth Gia tốc trọng trường (1g = 9,8 m/s2) m/s2 DBA Dynamic Body Gia tốc chuyển động m/s2 Overall Dynamic Tổng gia tốc chuyển m/s2 Body Acceleration động toàn thân Vectorial Dynamic Body Acceleration Véc tơ tổng hợp gia tốc chuyển động toàn thân m/s2 Static Component of Gia tốc tĩnh theo the Acceleration in phương Y, the Y-axis chuẩn hóa theo g m/s2 Acceleration ODBA VeDBA SCAY ROC Receiver Operating Characteristic Vẽ đường cong đặc trưng Cont Contour plot Vẽ đường viền SVM supported vector machine Máy véc tơ hỗ trợ k-mean K phân cụm (là thuật toán) TN True negative Âm tính thật TP True positive Dương tính thật FN False negative Âm tính giả FP False positive Dương tính giả Sen Sensitivity ộ nhạy % vi Pre Precision ộ xác % Spe Specificity ộ rõ % Max Maximum Giá trị lớn TPR True positive rate Tỉ lệ độ nhạy % FPR False positive rate Tỉ lệ báo động giả % vii Ụ Bảng 2.1 Các giá trị ngưỡng liệu lấy mẫu 10 phút/lần .12 Bảng 2.2 Các giá trị ngưỡng liệu lấy mẫu 05 phút/lần .16 Bảng 2.3 Các giá trị ngưỡng liệu lấy mẫu 01 phút/lần .20 Bảng 3.1 Hiệu thuật toán quan tâm đến độ nhạy với liệu lấy mẫu 10 phút/lần 22 Bảng 3.2 Hiệu thuật toán quan tâm đến độ xác với liệu lấy mẫu 10 phút/lần 23 Bảng 3.3 Hiệu thuật toán quan tâm đến độ rõ với liệu lấy mẫu 10 phút/lần 24 Bảng 3.4 Hiệu thuật toán quan tâm đến độ nhạy với liệu lấy mẫu 05 phút/lần 25 Bảng 3.5 Hiệu thuật toán quan tâm đến độ xác với liệu lấy mẫu 05 phút/lần 26 Bảng 3.6 Hiệu thuật toán quan tâm đến độ rõ với liệu lấy mẫu 05 phút/lần 26 Bảng 3.7 Hiệu thuật toán quan tâm đến độ nhạy với liệu lấy mẫu 01 phút/lần 27 Bảng 3.8 Hiệu thuật toán quan tâm đến độ xác với liệu lấy mẫu 10 phút/lần 28 Bảng 3.9 Hiệu thuật toán quan tâm đến độ rõ với liệu lấy mẫu 01 phút/lần 29 Bảng 3.10 Hiệu hệ thống với chu kỳ lấy mẫu khác 30 Bảng 3.11 Ví dụ so sánh giá trị ngưỡng thực thuật toán 32 Bảng 3.12 Hiệu hệ thống so sánh thuật toán 33 viii Ụ V Hình 1.1 Hệ thống quản lý chăn nu i bò Hình 1.2 Vị trí gắn cảm biến cổ bò [1] ình ịnh hướng cảm biến gắn cổ bò, tha đổi đứng (a) nằm (b) [1] ình Lưu đồ thuật toán xác định hành vi bò Hình 2.3 Sự tha đổi giá trị VeDBA với liệu lấy mẫu 10 phút/lần Hình 2.4 Sự tha đổi giá trị SCAY với liệu lấy mẫu 10 phút/lần 10 Hình 2.5 Sự tha đổi giá trị ngưỡng theo độ nhạy, liệu lấy mẫu 10 phút/lần 10 Hình 2.6 Sự tha đổi giá trị ngưỡng theo độ xác, liệu lấy mẫu 10 phút/lần 11 Hình 2.7 Sự tha đổi giá trị ngưỡng theo độ rõ, liệu lấy mẫu 10 phút/lần 11 Hình 2.8 Sự tha đổi giá trị ngưỡng theo trung bình tham số, liệu lấy mẫu 10 phút/lần 12 Hình 2.9 Sự tha đổi giá trị VeDBA với liệu lấy mẫu 05 phút/lần 13 Hình 2.10 Sự tha đổi giá trị SCAY với liệu lấy mẫu 05 phút/lần 14 Hình 2.11 Sự tha đổi giá trị ngưỡng theo độ nhạy, liệu lấy mẫu 05 phút/lần .14 Hình 2.12 Sự tha đổi giá trị ngưỡng theo độ xác, liệu lấy mẫu 05 phút/lần15 Hình 2.13 Sự tha đổi giá trị ngưỡng theo độ rõ, liệu lấy mẫu 05 phút/lần 15 Hình 2.14 Sự tha đổi giá trị ngưỡng theo trung bình tham số, liệu lấy mẫu 05 phút/lần 16 Hình 2.15 Sự tha đổi giá trị VeDBA với liệu lấy mẫu 01 phút/lần 17 Hình 2.16 Sự tha đổi giá trị SCAY với liệu lấy mẫu 01 phút/lần 18 Hình 2.17 Sự tha đổi giá trị ngưỡng theo độ nhạy, liệu lấy mẫu 01 phút/lần .18 Hình 2.18 Sự tha đổi giá trị ngưỡng theo độ xác, liệu lấy mẫu 01 phút/lần19 Hình 2.19 Sự tha đổi giá trị ngưỡng theo độ rõ, liệu lấy mẫu 01 phút/lần 19 Hình 2.20 Sự tha đổi giá trị ngưỡng theo trung bình tham số, liệu lấy mẫu 01 phút/lần 20 ình ường cong RO xác định ngưỡng theo độ nhạy tốt nhất, liệu lấy mẫu 10 phút/lần [1] .31 ình ường cong RO xác định ngưỡng B theo độ nhạy tốt nhất, liệu lấy mẫu 10 phút/lần [1] .32 23 Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng v B cho độ nhạy thuật toán tốt giá trị độ nhạy lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ nhạy việc phân loại trạng thái ăn l 00% - ộ nhạy việc phân loại trạng thái nằm 80,9% - ộ nhạy việc phân loại trạng thái đứng 95,45% - ộ nhạy trung bình việc phân loại trạng thái 92,12% Do chọn giá trị ngưỡng để độ nhạy thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ nhạ v kh ng đồng Cụ thể, độ xác việc phân loại đứng đạt 53,85% Khi việc đánh giá hiệu thuật toán cần đạt độ xác tốt Ta sử dụng liệu lấy mẫu 10 phút/lần giá trị ngưỡng A = 0,0264g, ngưỡng B = 0,0343g Tiếp theo ta thực phân loại hành vi bò theo lưu đồ thuật toán Hình 2.2 Với kết phân loại hành vi thuật toán, kết hợp với kết hành vi liệu lấy mẫu 10 phút/lần Ta tính giá trị TP, TN, FP FN từ tìm tham số hiệu độ nhạ , độ xác v độ rõ Như bảng đâ cho ta kết hiệu độ nhạ , độ xác v độ rõ Bảng 3.2 Hiệu thuật toán quan tâm đến độ xác với liệu lấy mẫu 10 phút/lần ộ nhạy (%) ộ xác lớn (%) ộ rõ (%) n 100,00 91,11 93,27 Nằm 95,50 93,41 72,27 72,72 80,00 95,50 89,40 88,17 87,17 ứng Tổng hợp Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng A B cho độ xác thuật toán tốt giá trị độ xác lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ xác việc phân loại trạng thái ăn l , % - ộ xác việc phân loại trạng thái nằm 93,41% - ộ xác việc phân loại trạng thái đứng 80,00% - ộ xác trung bình việc phân loại trạng thái 88,17% 24 Do chọn giá trị ngưỡng để độ xác thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ xác v kh ng đồng Cụ thể, độ rõ việc phân loại nằm đạt 72,27% Khi việc đánh giá hiệu thuật toán cần đạt độ rõ tốt Ta sử dụng liệu lấy mẫu 10 phút/lần giá trị ngưỡng A = 0,0334g, ngưỡng B = 0,0030g Tiếp theo ta thực phân loại hành vi bò theo lưu đồ thuật toán Hình 2.2 Với kết phân loại hành vi thuật toán, kết hợp với kết hành vi liệu lấy mẫu 10 phút/lần Ta tính giá trị TP, TN, FP FN từ tìm tham số hiệu độ nhạ , độ xác v độ rõ Như bảng đâ cho ta kết hiệu độ nhạ , độ xác v độ rõ Bảng 3.3 Hiệu thuật toán quan tâm đến độ rõ với liệu lấy mẫu 10 phút/lần ộ nhạy (%) ộ xác (%) ộ rõ lớn (%) n 100,00 93,18 94,90 Nằm 92,13 95,35 82,60 81,81 69,23 91,10 91,32 85,90 89,50 ứng Tổng hợp Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng v B cho độ rõ thuật toán tốt giá trị độ rõ lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ rõ việc phân loại trạng thái ăn l 94,90% - ộ rõ việc phân loại trạng thái nằm 82,60% - ộ rõ việc phân loại trạng thái đứng 91,10% - ộ rõ trung bình việc phân loại trạng thái 89,50% Do chọn giá trị ngưỡng để độ rõ thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ rõ v kh ng đồng Cụ thể, độ xác việc phân loại đứng đạt 69,23% 3.1.2 Hiệu thuật toán với liệu lấy mẫu 05 phút/lần Như phần trước tìm giá trị ngưỡng v B tương ứng với tiêu chí hiệu thuật toán cần đạt được, liệu 05 phút/lần Ở phần này, để đánh giá hiệu thuật toán, ta chọn giá trị ngưỡng ứng phần trước, để tính tham số phù hợp tương ứng v B tương 25 Khi việc đánh giá hiệu thuật toán cần đạt độ nhạy tốt Ta sử dụng liệu lấy mẫu 05 phút/lần giá trị ngưỡng A = 0,0348g, ngưỡng B = - 0,0535g Tiếp theo ta thực phân loại hành vi bò theo lưu đồ thuật toán Hình 2.2 Với kết phân loại hành vi thuật toán, kết hợp với kết hành vi liệu lấy mẫu 05 phút/lần Ta tính giá trị TP, TN, FP FN từ tìm tham số hiệu độ nhạ , độ xác v độ rõ Như bảng đâ cho ta kết hiệu độ nhạ , độ xác v độ rõ Bảng 3.4 Hiệu thuật toán quan tâm đến độ nhạy với liệu lấy mẫu 05 phút/lần ộ nhạy lớn (%) ộ xác (%) n 99,40 92,80 95,10 Nằm 78,40 97,97 94,00 93,60 50,57 77,13 90,40 80,45 88,75 ứng Tổng hợp ộ rõ (%) Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng A B cho độ nhạy thuật toán tốt giá trị độ nhạy lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ nhạy việc phân loại trạng thái ăn l 99,40% - ộ nhạy việc phân loại trạng thái nằm 78,40% - ộ nhạy việc phân loại trạng thái đứng 93,60% - ộ nhạy trung bình việc phân loại trạng thái 90,40% Do chọn giá trị ngưỡng để độ nhạy thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ nhạ v kh ng đồng Cụ thể, độ xác việc phân loại đứng đạt 50,57% Khi việc đánh giá hiệu thuật toán cần đạt độ xác tốt Ta sử dụng liệu lấy mẫu 05 phút/lần giá trị ngưỡng A = 0,0299g, ngưỡng B = 0,0595g Tiếp theo ta thực phân loại hành vi bò theo lưu đồ thuật toán Hình 2.2 Với kết phân loại hành vi thuật toán, kết hợp với kết hành vi liệu lấy mẫu 05 phút/lần Ta tính giá trị TP, TN, FP FN từ tìm tham số hiệu độ nhạ , độ xác v độ rõ Như bảng đâ cho ta kết hiệu độ nhạ , độ xác v độ rõ 26 Bảng 3.5 Hiệu thuật toán quan tâm đến độ xác với liệu lấy mẫu 05 phút/lần ộ nhạy (%) ộ xác lớn (%) ộ rõ (%) n 100,00 91,20 93,90 Nằm 96,70 89,90 57,40 58,70 81,80 96,80 85,20 87,70 82,70 ứng Tổng hợp Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng v B cho độ xác thuật toán tốt giá trị độ xác lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ xác việc phân loại trạng thái ăn l , 0% - ộ xác việc phân loại trạng thái nằm 89,90% - ộ xác việc phân loại trạng thái đứng 81,80% - ộ xác trung bình việc phân loại trạng thái 87,70% Do chọn giá trị ngưỡng để độ xác thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ xác v kh ng đồng Cụ thể, độ rõ việc phân loại nằm đạt 57,40% Khi việc đánh giá hiệu thuật toán cần đạt độ rõ tốt Ta sử dụng liệu lấy mẫu 05 phút/lần giá trị ngưỡng A = 0,0348g, ngưỡng B = 0,0234g Tiếp theo ta thực phân loại hành vi bò theo lưu đồ thuật toán Hình 2.2 Với kết phân loại hành vi thuật toán, kết hợp với kết hành vi liệu lấy mẫu 05 phút/lần Ta tính giá trị TP, TN, FP FN từ tìm tham số hiệu độ nhạ , độ xác v độ rõ Như bảng đâ cho ta kết hiệu độ nhạ , độ xác v độ rõ Bảng 3.6 Hiệu thuật toán quan tâm đến độ rõ với liệu lấy mẫu 05 phút/lần ộ nhạy (%) ộ xác (%) ộ rõ lớn (%) n 99,30 92,80 95,10 Nằm 94,00 93,00 74,00 72,30 70,80 92,60 88,60 85,60 87,20 ứng Tổng hợp 27 Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng v B cho độ rõ thuật toán tốt giá trị độ rõ lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ rõ việc phân loại trạng thái ăn l 95, 0% - ộ rõ việc phân loại trạng thái nằm 74,00% - ộ rõ việc phân loại trạng thái đứng 92,60% - ộ rõ trung bình việc phân loại trạng thái 87,20% Do chọn giá trị ngưỡng để độ rõ thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ rõ v kh ng đồng Cụ thể, độ xác việc phân loại đứng đạt 70,80% 3.1.3 Hiệu thuật toán với liệu lấy mẫu 01 phút/lần Như phần trước tìm giá trị ngưỡng v B tương ứng với tiêu chí hiệu thuật toán cần đạt được, liệu 01 phút/lần Ở phần này, để đánh giá hiệu thuật toán, ta chọn giá trị ngưỡng v B tương ứng phần trước, để tính tham số phù hợp tương ứng Khi việc đánh giá hiệu thuật toán cần đạt độ nhạy tốt Ta sử dụng liệu lấy mẫu 01 phút/lần giá trị ngưỡng A = 0,0392g, ngưỡng B = - 0,0583g Tiếp theo ta thực phân loại hành vi bò theo lưu đồ thuật toán Hình 2.2 Với kết phân loại hành vi thuật toán, kết hợp với kết hành vi liệu lấy mẫu 01 phút/lần Ta tính giá trị TP, TN, FP FN từ tìm tham số hiệu độ nhạ , độ xác v độ rõ Như bảng đâ cho ta kết hiệu độ nhạ , độ xác v độ rõ Bảng 3.7 Hiệu thuật toán quan tâm đến độ nhạy với liệu lấy mẫu 01 phút/lần ộ nhạy lớn (%) ộ xác (%) n 97,28 91,20 94,60 Nằm 76,40 97,10 92,20 91,70 47,80 74,20 88,46 78,70 87,00 ứng Tổng hợp ộ rõ (%) 28 Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng A B cho độ nhạy thuật toán tốt giá trị độ nhạy lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ nhạy việc phân loại trạng thái ăn l 97, 8% - ộ nhạy việc phân loại trạng thái nằm 76,40% - ộ nhạy việc phân loại trạng thái đứng 91,70% - ộ nhạy trung bình việc phân loại trạng thái 88,46% Do chọn giá trị ngưỡng để độ nhạy thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ nhạ v kh ng đồng Cụ thể, độ xác việc phân loại đứng đạt 47,80% Khi việc đánh giá hiệu thuật toán cần đạt độ xác tốt Ta sử dụng liệu lấy mẫu 01 phút/lần giá trị ngưỡng A = 0,0392g, ngưỡng B = 0,0379g Tiếp theo ta thực phân loại hành vi bò theo lưu đồ thuật toán Hình 2.2 Với kết phân loại hành vi thuật toán, kết hợp với kết hành vi liệu lấy mẫu 01 phút/lần Ta tính giá trị TP, TN, FP FN từ tìm tham số hiệu độ nhạ , độ xác v độ rõ Như bảng đâ cho ta kết hiệu độ nhạ , độ xác v độ rõ Bảng 3.8 Hiệu thuật toán quan tâm đến độ xác với liệu lấy mẫu 10 phút/lần ộ nhạy (%) ộ xác lớn (%) ộ rõ (%) n 97,30 91,20 94,60 Nằm 93,30 89,10 61,80 60,00 63,60 91,10 83,54 81,30 82,50 ứng Tổng hợp Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng v B cho độ xác thuật toán tốt giá trị độ xác lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ xác việc phân loại trạng thái ăn l 91,20% - ộ xác việc phân loại trạng thái nằm 89,10% - ộ xác việc phân loại trạng thái đứng 63,60% - ộ xác trung bình việc phân loại trạng thái 81,30% 29 Do chọn giá trị ngưỡng để độ xác thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ xác v kh ng đồng Cụ thể, độ nhạy việc phân loại đứng đạt 60,00% Khi việc đánh giá hiệu thuật toán cần đạt độ rõ tốt Ta sử dụng liệu lấy mẫu 01 phút/lần giá trị ngưỡng A = 0,0393g, ngưỡng B = 0,0102g Tiếp theo ta thực phân loại hành vi bò theo lưu đồ thuật toán Hình 2.2 Với kết phân loại hành vi thuật toán, kết hợp với kết hành vi liệu lấy mẫu 01 phút/lần Ta tính giá trị TP, TN, FP FN từ tìm tham số hiệu độ nhạ , độ xác v độ rõ Như bảng đâ cho ta kết hiệu độ nhạ , độ xác v độ rõ Bảng 3.9 Hiệu thuật toán quan tâm đến độ rõ với liệu lấy mẫu 01 phút/lần ộ nhạy (%) ộ xác (%) ộ rõ lớn (%) n 97,30 91,20 94,60 Nằm 90,30 91,30 71,47 69,56 59,70 87,87 85,70 80,70 84,60 ứng Tổng hợp Nhìn vào bảng ta thấy, lựa chọn giá trị ngưỡng v B cho độ rõ thuật toán tốt giá trị độ rõ lớn v đồng cho việc phân loại trạng thái bò: ăn, nằm v đứng Cụ thể: - ộ rõ việc phân loại trạng thái ăn l 94,60% - ộ rõ việc phân loại trạng thái nằm 71,47% - ộ rõ việc phân loại trạng thái đứng 87,87% - ộ rõ trung bình việc phân loại trạng thái 84,60% Do chọn giá trị ngưỡng để độ rõ thuật toán tốt nên giá trị hiệu tiêu chí khác thuật toán thấp độ rõ v kh ng đồng Cụ thể, độ xác việc phân loại đứng đạt 59,70% 3.1.4 So sánh hiệu thuật toán với liệu lấy mẫu khác Trước đưa bảng so sánh, ta thấy giá trị chu kỳ lấy mẫu ảnh hưởng tới hiệu thuật toán định Bởi vì, thời gian lấy mẫu nhanh dẫn khó thu chuyển động lên xuống thường xuyên cổ bò chúng ăn, dẫn đến giá trị VeDBA thấp gây phân loại nhầm Nhưng thời gian lấy mẫu lâu có điểm giá trị so sánh với hiệu thuật 30 toán ể tìm thời gian lấy mẫu phù hợp, hiệu hệ thống tính toán với điều kiện liệu đầu vào, giá trị ngưỡng cố định thời gian lấy mẫu phút/lần, phút/lần 10 phút/lần Từ kết trên, ta có bảng so sánh hiệu hệ thống chu kỳ lấy mẫu liệu khác nhau: phút/lần, phút/lần 10 phút/lần Bảng 3.10 Hiệu hệ thống với chu kỳ lấy mẫu khác ộ nhạy (%) phút/lần phút/lần 10 phút/lần Ăn 97,28 99,40 100,00 Nằm 76,40 78,40 80,90 91,70 93,60 95,45 88,46 90,40 92,12 91,20 91,20 91,11 89,10 89,90 93,41 63,60 81,80 80,00 Tổng hợp 81,30 87,70 88,17 Ăn 94,60 95,10 94,90 Nằm 71,47 74,00 82,60 87,87 92,60 91,10 84,60 87,20 89,50 ứng Tổng hợp ộ xác Ăn (%) Nằm ứng ộ rõ (%) ứng Tổng hợp Bảng tr n thống kê lại từ kết tính toán hiệu thuật toán với liệu lấy mẫu 10 phút/lần, 05 phút/lần, 01 phút/lần, xét điều kiện thuật toán đạt độ nhạy tốt nhất, độ xác tốt v độ rõ tốt Cụ thể, giá trị độ nhạy cột 01 phút/lần, lấy từ liệu độ nhạy lớn bảng 3.7 Nhìn vào bảng 3.10, ta thấy nhìn chung tổng thể hiệu thuật toán đạt cao giá trị lấy mẫu 10 phút/lần giảm dần giá trị lấy mẫu 05 phút/lần 01 phút/lần Cụ thể: - ộ nhạy phát h nh vi ăn l 00,00% liệu lấy mẫu 10 phút/lần, giảm dần 99,40% liệu lấy mẫu 05 phút/lần, 97,70% liệu lấy mẫu 01 phút/lần - ộ xác phát hành vi nằm 93,41% liệu lấy mẫu 10 phút/lần, giảm dần 89,90% liệu lấy mẫu 05 phút/lần, 89,10% liệu lấy mẫu 01 phút/lần 31 3.2 Hiệ n ng thuật toán so với p ƣơng p áp Phương pháp tìm ngưỡng ROC [1,9,10] l phương pháp sử dụng đường cong RO (đường cong đặc trưng hoạt động) tìm ngưỡng A B cách độc lập Tức giá trị ngưỡng xác định trước dựa vào tiêu chí hiệu thuật toán tốt độ nhạy độ xác liệu cho trước [7] iều n c ng tương tự với ngưỡng B Phương pháp tìm ngưỡng thực luận văn l phương pháp tìm ngưỡng sử dụng đồ thị ontour để tìm ngưỡng A B cách đồng thời Phần tập trung vào việc so sánh kết đạt phương pháp RO [ ] v phương pháp đồ thị Contour, dựa liệu [7], để đưa kết luận so sánh Cả phương pháp thực liệu đầu vào [7], phương pháp đánh giá hiệu Trong tài liệu [1,9, 0], phương pháp tìm ngưỡng ROC dựa vào tiêu chí hiệu hệ thống l độ nhạy tốt độ xác tốt Kết phương pháp RO lấy từ tài liệu [1] Trong phương pháp tìm ngưỡng Contour dựa vào tiêu chí hiệu hệ thống l độ nhạy tốt độ xác tốt độ rõ tốt Cụ thể phương pháp RO t i liệu [1], liệu đầu v o lấy mẫu 10 phút/lần Các giá trị ngưỡng v B xác định dựa vào tiêu chí tốt độ nhạy Việc xác định ngưỡng A B cách hình vẽ Ban đầu xác định giá trị ngưỡng , sau tìm ngưỡng A tiến h nh xác định ngưỡng B Hình 3.1 ường cong RO xác định ngưỡng A theo độ nhạy tốt nhất, liệu lấy mẫu 10 phút/lần [1] Hình vẽ biểu diễn đường cong ROC ta biến đổi giá trị ngưỡng A khoảng -0, g đến 0,9g Giá trị ngưỡng tốt lựa chọn cho TPR (true 32 positive rate) lớn FPR (false positvive rate) nhỏ Như hình vẽ trên, điểm tốt nằm góc bên trái, đánh dấu vòng tròn giá trị ngưỡng A 0,0413g [1] Sau tìm ngưỡng A, tiến h nh xác định ngưỡng B cho phân loại hành vi nằm v đứng bò Hình 3.2 ường cong RO xác định ngưỡng B theo độ nhạy tốt nhất, liệu lấy mẫu 10 phút/lần [1] Hình vẽ biểu diễn đường cong ROC ta biến đổi giá trị ngưỡng B khoảng -0,9g đến 0,9g Giá trị ngưỡng tốt lựa chọn cho TPR lớn FPR nhỏ Như hình vẽ tr n, điểm tốt nằm góc bên trái, đánh dấu vòng tròn giá trị ngưỡng B -0,055g [1] Tương tự với phương pháp ontour, dự liệu đầu v o lấy mẫu với chu kỳ 10 phút/lần Như phần trước tính toán, giá trị ngưỡng v B xác định dựa vào tiêu chí tốt độ nhạ , ta tính ngưỡng l 0,0334g v ngưỡng B 0,0571g Bảng 3.11 Ví dụ so sánh giá trị ngưỡng thực thuật toán ạt độ nhạy lớn gƣỡng VeDBA, A gƣỡng SCAY, B ơn ị g ơn ị g ROC CONT ROC CONT 0,041 0,0334 -0,055 -0,0571 Với liệu lấy mẫu 10 phút/lần Từ giá trị ngưỡng khác nhau, dẫn đến kết đánh giá hiệu thuật toán c ng khác 33 Tương tự ví dụ việc so sánh giá trị ngưỡng A B thực thuật toán Các giá trị ngưỡng phù hợp với tiêu chí hiệu thuật toán (độ nhạ , độ xác, độ rõ) với liệu lấy mẫu thời gian khác (10 phút/lần, 05 phút/lần, 01 phút/lần) tính toán [ ] ROC phần trước đồ thị Contour Từ giá trị ngưỡng này, có kết đánh giá hiệu thuật toán Ta có bảng so sánh thuật toán thống kê lại sau: Bảng 3.12 Hiệu hệ thống so sánh thuật toán phút/lần ộ nhạy lớn (%) ộ xác lớn (%) phút/lần 10 phút/lần ROC CONT ROC CONT ROC CONT Ăn 95,65 97,28 97,44 99,40 98,78 100,00 Nằm 74,09 76,40 74,09 78,40 77,42 80,90 ứng 82,08 91,70 88,46 93,60 88,00 95,45 Tổng hợp 83,94 88,46 86,66 90,40 88,06 92,12 Ăn 92,03 91,20 93,25 91,20 93,10 91,11 Nằm 96,57 89,10 97,95 89,90 98,63 93,41 ứng 47,01 63,60 47,92 81,80 55,00 80,00 Tổng hợp 78,53 81,30 79,71 87,70 82,24 88,17 x 94,60 x 95,10 x 94,90 x 71,47 x 74,00 x 82,60 ứng x 87,87 x 92,60 x 91,10 Tổng hợp x 84,60 x 87,20 x 89,50 ộ Ăn rõ lớn Nằm (%) Bảng thống kê lại liệu tính toán phần tr n phương pháp Contour lấy từ tài liệu [1] phương pháp RO Cụ thể, với phần độ 34 nhạy lớn phút/lần phần ontour lấy từ cột độ nhạy lớn (%) bảng 3.7 Trong phương pháp ontour tính toán luận văn n , có sử dụng tham số hiệu hệ thống l độ nhạ , độ xác v độ rõ Trong tài liệu [1] cho phương pháp RO sử dụng tham số hiệu hệ thống l độ nhạy v độ xác Như liệu bảng cho ta thấy, tham số đánh giá điều kiện thời gian lấy mẫu tham số hiệu năng, phương pháp ontour cho giá trị lớn v đồng phương pháp ROC Cụ thể như: - Với tham số hiệu l độ nhạy lớn, liệu có chu kỳ lấy mẫu 10 phút/lần, phương pháp ontour cho độ nhạy h nh vi ăn 100,00% phương pháp RO cho độ nhạy 98,78% - Với tham số hiệu l độ xác lớn, liệu có chu kỳ lấy mẫu 10 phút/lần, phương pháp ontour cho độ xác h nh vi đứng 80,00% phương pháp RO cho độ xác 55,00% - Với tham số hiệu l độ xác lớn, liệu có chu kỳ lấy mẫu 10 phút/lần, phương pháp RO cho liệu là: 93,10%, 98,63%, 55%, 82,24%, phương pháp ontour cho liệu là: 91,11%, 93,41%, 80,00%, 88,17% Ta thấ đồng tin cậ phương pháp ontour so với ROC 35 KẾT LUẬN Trong chương ch ng ta s vào đánh giá thuật toán hướng nghiên cứu Thuật toán định đơn giản hiệu quả, sử dụng liệu từ cảm biến gia tốc để phân loại số hành vi quan trọng: nằm, đứng, ăn… Cụ thể l khảo sát thuật toán sử dụng đồ thị Contour Thuật toán sử dụng đồ thị ontour n khảo sát tính toán liệu có [7], lấy mẫu tần số khác 10 phút/lần, 05 phút/lần 01 phút/lần Qua việc tính toán n , có bảng so sánh hiệu thuật toán liệu lấy mẫu khác Việc đánh giá sử dụng đồ thị Contour với liệu với tần số cập nhật liệu khác giúp ta lựa chọn liệu tốt phù hợp Kết cho thấy liệu lấy mẫu 10 phút/lần cho kết tốt Thuật toán tìm ngưỡng cho VeDBA SCAY sử dụng đồ thị Contour (bằng cách tìm ngưỡng tốt cách đồng thời) so sánh với thuật toán ROC liệu Do thuật toán cho ta giá trị ngưỡng VeDB v ngưỡng SCAY khác nhau, dẫn đến hiệu thuật toán c ng khác Việc tính toán so sánh hiệu thuật toán cụ thể hóa bảng so sánh Kết cho thấy thuật toán sử dụng đồ thị Contour cho kết tốt thuật toán ROC Bước thu thập thêm nhiều liệu Kết hợp với nhiều cảm biến khác gắn l n chân bò, l n thân, kết xác hơn, c ng phân loại nhiều h nh vi 36 [1] Diosdado, Jorge A Vázquez, et al "Classification of behaviour in housed dairy cows using an accelerometer-based activity monitoring system." Animal Biotelemetry 3.1, vol.1, 2015 [2] Venkatraman, Subramaniam, et al "Wireless inertial sensors for monitoring animal behavior." Engineering in Medicine and Biology Society, 2007 EMBS 2007 29th Annual International Conference of the IEEE IEEE, 2007 [3] Guo, Ying, et al "Animal behaviour understanding using wireless sensor networks." Local Computer Networks, Proceedings 2006 31st IEEE Conference on IEEE, 2006 [4] Roelofs, Judith B., et al "Pedometer readings for estrous detection and as predictor for time of ovulation in dairy cattle." Theriogenology 64.8, 2005, pp.16901703 [5] Qasem, Lama, et al "Tri-axial dynamic acceleration as a proxy for animal energy expenditure; should we be summing values or calculating the vector?." PLoS One 7.2 (2012): e31187 [6] Gleiss, Adrian C., Rory P Wilson, and Emily LC Shepard "Making overall dynamic body acceleration work: on the theory of acceleration as a proxy for energy expenditure." Methods in Ecology and Evolution Vol 2, No.1, (2011), pp.23-33 [7]https://static-content.springer.com/esm/art%3A10.1186%2Fs40317-015-00458/MediaObjects/40317_2015_45_MOESM2_ESM.txt [8]https://uberpython.wordpress.com/2012/01/01/precision-recall-sensitivity-andspecificity [9] Ngu en Thi u en Nga, Le Thi Thu a, Doan Ba uong “Giám sát phân loại hoạt động bò sử dụng cảm biến gia tốc ba chiều” ng trình N sinh viên D Q N năm 015-2016, pp.13-26 [ 0] Ngu en Thi u en Nga “Classification of behavior of cows using acceleration data and decision tree algorithm” Thesis of Electronics and communications, 6, pp.13-50 [11] Chinh Nguyen Dinh, Khanh Phung Cong Phi, Tan Tran Duc and Ha Le Vu, Nghiên cứu thiết kế mô hình hệ thống giám sát hành vi bò, The 2016 National Conference on Electronics, Communications and Information Technology, REV, 12/2016, pp 6:19-6.22 [12] Tran, D T., Huynh, H T., Nguyen, T L., Nguyen, P T., & Nguyen, V C (2006), Designing Kalman filters for integration of inertial navigation system and 37 global positioning system, The 10th biennial Vietnam Conference on Radio & Electronics, REV-2006 Hanoi, pp 6-10 [13] Tran, D T., Luu, M H., Nguyen, T L., Nguyen, P T., & Huynh, H T (2007) Performance Improvement of MEMS-Based Sensor Applying in Inertial Navigation Systems Posts, Telematics & Information Technology Journal, 2, 19-24 [14] Tran, D T., Luu, M H., Nguyen, T L., Nguyen, D D., & Nguyen, P T (2007) Land-vehicle mems INS/GPS positioning during GPS signal blockage periods Journal of Science, Vietnam National University, Hanoi, 23(4), 243-251 [15] Van Thanh, P., Nguyen, T A., Duc, N T., Anh, N D., & Duc-Tan, T (2017) Development of a Real Time Supported Program for Motorbike Drivers Using Smartphone Built-in Sensors International Journal of Engineering and Technology (IJET), 9(2) ... cảm biến để phân loại hành vi, hoạt động bò 1.3 Nội dung thực Vi c phân loại hành vi bò sử dụng thuật toán định dựa liệu có [7] Thuật toán sử dụng tham số ngưỡng sử dụng để phân loại là: VeDBA,... phân loại h nh vi đơn giản bò như: ăn, nằm ứng Trên thực tế có nhiều thuật toán dùng để phân loại hành vi bò Trong luận văn này, sử dụng thuật toán định để phân loại h nh vi ứng, nằm v ăn bò. .. - - VƢƠ ỊNH NGHIÊN CỨU THUẬT TOÁN CÂY QUYẾ ỊNH SỬ DỤ P Â Í ƢỠNG KÉP CHO ỨNG DỤNG PHÂN LO I HÀNH VI CỦA BÒ Ng nh: ng Nghệ Kỹ thuật iện tử, Truyền thông hu n ng nh: ỹ thuật Vi n thông Mã số: