Amélioration du Process Mining avec l'apprentissage automatique pour l'identification de modèles de comportement humain

Discipline

Informatique

Classification

Informatique, information, généralités

Mots-clés libres

Process Mining, Reconnaissance de formes, Comportement humain, Apprentissage automatique

Mots-clés

Intelligence artificielle,

Exploration de données,

Capteurs (technologie),

Algorithmes,

Comportement humain - Modèles mathématiques

L'étude du comportement humain est un domaine vaste et interdisciplinaire. Une variété de méthodes de recherche a été utilisée afin d'obtenir des perspectives sur les complexités des actions humaines. Le processus d'identification et de classification d'activités ou d'actions spécifiques que les individus effectuent sur la base de données collectées à partir de capteurs est un domaine en évolution rapide qui bénéficie de plusieurs technologies fournissant les outils nécessaires pour collecter, traiter et analyser les données liées aux mouvements et comportements humains. La combinaison de données de capteurs et d'algorithmes d'apprentissage automatique permet d'analyser les données à l'aide de techniques de reconnaissance d'activité humaine (HAR) qui fournissent des informations précieuses sur le comportement, les préférences et les routines quotidiennes, ainsi que sur l'identification des troubles du comportement, des anomalies et des schémas humains. Ceci est particulièrement crucial pour promouvoir une vie plus saine et plus indépendante, aider les personnes handicapées et fournir un soutien aux aidants et aux professionnels de la santé. Un domaine qui a contribué de manière significative aux efforts pour atteindre ces objectifs est le domaine de la Process Mining. La Process Mining s'appuie sur des journaux d'événements, permet leur analyse et offre des informations sur le flux de travail et la séquence des activités. Comme le comportement humain n'est pas suffisamment structuré pour être représenté par un modèle de processus, des techniques plus robustes doivent être incorporées dans la Process Mining. La détection de points de changement émerge comme un outil potentiel pour identifier les troubles du comportement humain, associée à des méthodes de regroupement qui sont efficacement appliquées pour catégoriser et regrouper diverses activités humaines semblent être une solution au défi susmentionné. Cet article de recherche vise à développer un cadre avancé qui combine les techniques de Process Mining, la détection de points de changement et les méthodes de regroupement pour obtenir une analyse holistique des modèles de comportement humain. L'étude explore l'intégration de ces techniques diverses pour améliorer la compréhension des activités humaines complexes, en mettant l'accent sur l'identification de modèles et de déviations indicatifs de troubles potentiels. Les activités humaines sont représentées de manière séquentielle. En utilisant également des techniques d'apprentissage automatique non supervisées qui permettent de gérer et d'analyser la variabilité inhérente au comportement humain, il est possible d'identifier et de détecter des changements tout au long du processus dynamique. Les expériences révèlent que le cadre proposé identifie efficacement les anomalies ou troubles du comportement humain et offre des informations sur le flux de travail et la séquence des activités. De plus, il facilite la découverte et la modélisation des schémas comportementaux, ainsi que l'identification des déviations dans les activités humaines, ce qui est crucial pour analyser les comportements humains non structurés.