Turhan, ÇiğdemKalem, GülerSoftware Engineering2024-07-072024-07-072017https://hdl.handle.net/20.500.14411/5354Mobil teknolojilerin kullanılmasıyla sağlık alanında akıllı rehberlik, kullanıcıların amaçları, demografik bilgileri ve sağlık durumlarına göre özel olarak tasarlanmış olan bireysel egzersiz planlarından fayda sağlamaları açısından önemli bir gelişmedir. Ayrıca, sistemin sürekli olarak fiziksel aktivitelerini izlemesiyle, kullanıcılar motive olurlar ve belirlenen günlük egzersizlerini tamamlamaya yönlendirilirler. Geliştirilen sistem, vaka tabanlı çıkarım ile kullanıcı için uygun olan kişiye özgü egzersiz programını belirler. Cep telefonunun ivmeölçer ve jiroskop özelliklerinin yardımıyla, kullanıcıların fiziksel aktiviteleri KNN (K-En Yakın Komşu) algoritması kullanılarak algılanır ve sınıflandırılır. Egzersizlerin kalan kısımları, kullanıcılar için belirlenen bireysel egzersiz rutinleri ve gerçekleştirilen aktivitelere dayanarak hesaplanır ve kullanıcıyı yönlendirmek ve teşvik etmek için mesaj olarak sunulur. Değerlendirme için, sistem kullanıcılar tarafından test edilmiş ve anket uygulanmıştır. Sonuçlar, tüm katılımcıların sistemin faydalı ve etkin olduğunu düşündüğünü göstermektedir. Anahtar Kelimeler: Mobil teknoloji, sağlık hizmeti, sınıflandırma, aktivite tanıma, akıllı sistem, vaka tabanlı çıkarım, Çok Sınıflı SVM (Destek Vektör Makineleri), KNN (K-En Yakın Komşu), LDA (Doğrusal Diskriminant Analizi)Intelligent guidance in the healthcare domain using mobile technologies is an important development since users can benefit from the individual exercise plans that are specifically designed for their purpose, demographic information and health background. Furthermore, with the system continuously tracking their activities, the users are motivated and guided to complete their daily specified exercises. The developed system determines the specific exercise program suitable to the user with case-based reasoning. With the help of the accelerometer and gyroscope facilities of a mobile phone, users' activities are recognized and classified using KNN (K-Nearest Neighbors) algorithm. Based on their individual exercise routine and the performed activities in the current day, the rest of the exercises are calculated and presented to the user as a message to guide and encourage them. For the evaluation, the system is tested by users, and a questionnaire is conducted. The results show that the system is found to be beneficial and effective by all the participants. Keywords: Mobile technology, healthcare, classification, activity recognition, intelligent system, case-based reasoning, Multiclass SVM (Support Vector Machines), KNN (K-Nearest Neighbors), LDA (Linear Discriminant Analysis)enBilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolComputer Engineering and Computer Science and ControlBilim ve TeknolojiScience and TechnologyDoctoral Thesis4902880108