Un ensemble classificateur pour la classification de données dynamiques
Résumé
Indoor air quality has an important impact on people exposure to pollutants. The Airbox Lab company currently designs a connected object, called Footbot, measuring every minute several different parameters related to indoor air quality : temperature, humidity, VOC concentrations, CO², formaldehyde and particle matter (pm). Moreover, Footbot ought to include some data analysis features to identify different domestic situations (presence, cooking, housework and so on) from the gathered data. The final purpose is to help user avoiding situations causing air quality degradation. In this paper, two different tools (neural networks and decision trees) are tested and compared to solve this problem of dynamic data classification. To increase the classifier performances, classifier ensembles are also studied. MOTS-CLES : Qualité de l'air, réseaux de neurones, arbres de décision, ensemble classificateur.
La qualité de l'air intérieur a un impact déterminant sur l'exposition des personnes à des polluants. La société Airbox Lab développe un objet connecté, appelé Footbot, qui mesure toutes les minutes plusieurs paramètres relatifs à la qualité de l'air : température, humidité, concentrations de COV, CO2, formaldéhyde et particules fines (pm). Au-delà de cet aspect de collecte de mesures, Footbot inclut des outils d'analyse de données ayant pour but de déterminer les situations d'usages de l'habitation (présence, cuisine, ménage…) afin d'être capable de fournir des conseils à l'utilisateur dans le but d'améliorer cette qualité de l'air. Ce problème est un problème de classification de données dynamiques, et dans cet article, deux outils (réseaux de neurones et arbres de décision) sont testés et comparés pour réaliser cette tâche. Afin d'améliorer les performances du classificateur, les ensembles classificateurs sont également étudiés.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...