@ARTICLE{10.21494/ISTE.OP.2018.0207, TITLE={Fusion de décisions par lieu pour reconnaître l’Activité Humaine et sa prise en compte dans la gestion de contexte}, AUTHOR={Julien Cumin, Fano Ramparany, Grégoire Lefebvre, James L. Crowley, }, JOURNAL={Modélisation et utilisation du contexte}, VOLUME={2}, NUMBER={Numéro 1}, YEAR={2018}, URL={http://openscience.fr/Fusion-de-decisions-par-lieu-pour-reconnaitre-l-Activite-Humaine-et-sa-prise-en}, DOI={10.21494/ISTE.OP.2018.0207}, ISSN={2514-5711}, ABSTRACT={Notre article décrit les résultats de travaux utilisant l’information de localisation afin de reconnaître les activités domestiques. Nous explorons l’utilisation de l’apprentissage supervisé pour reconnaître les activités situées dans la banque de données du projet Opportunity, couplé à une phase de fusion de décision. Nos résultats montrent que l’utilisation d’information de localisation permet une diminution substantielle du taux d’erreur ainsi que du coût de calcul de la reconnaissance d’activité par rapport aux approches classiques, pour lesquelles tous les capteurs sont utilisés et toutes les activités sont possibles. L’utilisation de l’information de localisation pour contrôler le processus de reconnaissance permet d’obtenir un score F1 de 92:70% ± 1:26%, et requiert seulement 73 millisecondes of temps de traitement par activité. Ces résultats montrent qu’organiser la reconnaîssance d’activité autour d’un modèle de contexte basé sur la localisation permet le passage à l’échelle de services sensibles au contexte d’activité dans les environnements domestiques.}}