Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones

Interna

Autores:
Mancipe Ramírez, Sonia Fernanda
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad Antonio Nariño
Repositorio:
Repositorio UAN
Idioma:
spa
OAI Identifier:
oai:repositorio.uan.edu.co:123456789/1987
Acceso en línea:
http://repositorio.uan.edu.co/handle/123456789/1987
Palabra clave:
Android
Dispositivos inteligentes
Sensores
Proximidad
Acelerómetro
Giroscopio
GPS
Magnetómetro
Android
Smart devices
Sensors
Proximity
Accelerometer
Gyroscope
GPS
Magnetometer
Rights
openAccess
License
Attribution 4.0 International (CC BY 4.0)
id UAntonioN2_f44bea8620b09101565e8ecb3104af5c
oai_identifier_str oai:repositorio.uan.edu.co:123456789/1987
network_acronym_str UAntonioN2
network_name_str Repositorio UAN
repository_id_str
dc.title.es_ES.fl_str_mv Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones
title Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones
spellingShingle Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones
Android
Dispositivos inteligentes
Sensores
Proximidad
Acelerómetro
Giroscopio
GPS
Magnetómetro
Android
Smart devices
Sensors
Proximity
Accelerometer
Gyroscope
GPS
Magnetometer
title_short Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones
title_full Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones
title_fullStr Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones
title_full_unstemmed Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones
title_sort Desarrollo de una aplicación para la recolección de datos generados por sensores en smartphones
dc.creator.fl_str_mv Mancipe Ramírez, Sonia Fernanda
dc.contributor.advisor.spa.fl_str_mv Ramírez, Juan Camilo
Cruz Cepeda, Rosalba
dc.contributor.author.spa.fl_str_mv Mancipe Ramírez, Sonia Fernanda
dc.subject.es_ES.fl_str_mv Android
Dispositivos inteligentes
Sensores
Proximidad
Acelerómetro
Giroscopio
GPS
Magnetómetro
topic Android
Dispositivos inteligentes
Sensores
Proximidad
Acelerómetro
Giroscopio
GPS
Magnetómetro
Android
Smart devices
Sensors
Proximity
Accelerometer
Gyroscope
GPS
Magnetometer
dc.subject.keyword.es_ES.fl_str_mv Android
Smart devices
Sensors
Proximity
Accelerometer
Gyroscope
GPS
Magnetometer
description Interna
publishDate 2020
dc.date.issued.spa.fl_str_mv 2020-06-08
dc.date.accessioned.none.fl_str_mv 2021-02-26T15:43:11Z
dc.date.available.none.fl_str_mv 2021-02-26T15:43:11Z
dc.type.spa.fl_str_mv Trabajo de grado (Pregrado y/o Especialización)
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.none.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://repositorio.uan.edu.co/handle/123456789/1987
dc.identifier.bibliographicCitation.spa.fl_str_mv Anguita, D., Ghio, A., & Oneto, L. (2013). A Public Domain Dataset for Human Activity Recognition Using Smartphones. University of Genova & Universitat Politecnica de Catalunya
Baldominos, A., Cervantes, A., Sáez, Y., & Isasi, P. (2018). A Comparison of Machine Learning and Deep Learning Techniques for Activity Recognition using Mobile Devices. Sensors.
Capela, N., Lemaire, E., Baddour, N., Goljar, N & Burger, H. (2016). Evaluation of a Smartphone human activity recognition application with able-bodied and stroke participants. Journal of NeuroEngineering and Rehabilitation
Castonguay, V., Lavoie, P., Karazivan, P., Morris, J. & Gagnon, R. (2017). P030: Multisource feedback for emergency medicine residents: different, relevant and useful information. Résumes scientifique 2017.
Challenger, I., Diaz, Y. & Becerra, R. (2014). The programming language Python. Ciencias Holguín
Chetty, G., White, M., & Akther, F. (2015). Smart phone based data mining for human activity recognition. Procedia Computer Science, 46, 1181–1187.
Han, M., Hun, Jac., Nugent, Chris., McClean, Sally. & Lee, Sungyoung. (2014). A Lightweight Hierarchical Activity Recognition Framework Using Smartphone Sensors. Molecular Diversity Preservation International.
Hernández, R., Fernández, C. & Baptista, P. (2017). Metodología de la investigación. Mc Graw Hill.
Honores, L. & Vizuete, J. (2014). Estudio estadístico comparativo entre sensores android y windows phone aplicado en la detección de movimientos telúricos. Escuela Superior Politécnica de Chimborazo.
Hovden, T., Huie, M., Bich, T. & Acker, P. (2007). Proximity sensor device and method with activation confirmation. Synaptics Incorporated.
Maghsoudi, J. (2017). A Behavioral Biometrics User Authentication Study Using Motion Data from Android Smartphones. Pace University.
Micucci, D., Mobilio, M & Napoleano, P. (2017). A Dataset for Human Activity Recognition Using Acceleration Data from Smartphones. Sensors.
Munguia, E., Intille, S., Lopez, L. & Larson, K. (2006). The Design of a Portable Kit of Wireless Sensors for Naturalistic Data Collection. Massachusetts Institute of Technology.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M. & Duchesnay, É. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research.
Pires, I., García, N., Pombo, N & Flórez , F. (2011). From Data Acquisition to Data Fusion: A Comprehensive Review and a Roadmap for the Identification of Activities of Daily Living Using Mobile Devices. Sensors.
Pogorelc, B., Bosnić, Z & Gams M. (2011). Automatic recognition of gait-related health problems in the elderly using machine learning. Springer.
Shoaib, M., Bosch, S., Durmaz, O., Scholten, H. & Havinga, P. (2015). A Survey of Online Activity Recognition Using Mobile Phones. Sensors.
Suto, J., Oniga, S., Lung, C. & Orha, I. (2017). Recognition Rate Difference between Real-time and Offline Human Activity Recognition. International Conference on Internet of Things for the Global Community.
Vaughn, A., Biocco, P., Liu, Y. & Anwar, M. (2018). Activity Detection and Analysis Using Smartphone Sensors. IEEE Computer Society.
Viana, J., Neto, G., Galindo, I., Oliveira, A., Braga, R. & Oliveira, C. (2017). A visualization and analysis approach of cyclist data obtained through sensors. Federal Institute of Education, Science and Technology of Ceará IFCE, Ceará, Brazil.
Wiley, J. (2014). Machine learning methods in chemoinformatics. WIREs Computational Molecular Scienc, 4:468–481.
Collado, C. (2018). Los 9 sensores más importantes de tu móvil, y para qué sirve cada uno. Recuperado de: https://andro4all.com/2018/12/sensores-movil
Collado, C. (2019). Qué es el giroscopio de un móvil, para qué sirve y cómo saber si el tuyo lo tiene. Recuperado de: https://andro4all.com/2019/02/giroscopiomovil-que-es
Dalul, S. (2019). How to improve GPS accuracy on Android. Recuperado de : https://www.androidpit.com/how-to-improve-your-gps-signal-on-your-android
Developers, (2019). Location Strategies. Recuperado de https://developer.android.com/guide/topics/location/strategies#Updates
KIENYKE (2019). El 67% de la población cuenta con un dispositivo móvil. Recuperado de: https://www.kienyke.com/tendencias/tecnologia/cuantaspersonas-tienen-celular-en-el-mundo
Federación Internacional de Sociedades de la Cruz y de la Media Luna Roja (2007). Cruz Roja Colombiana. Recuperado de http://web.cruzrojacolombiana.org/publicaciones/pdf/planes_de_respuesta_y_c ontingencia_1722011_044520.pdf
González, J., (2018). Tipos de aprendizaje automático. Recuperado de https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico413e3c615e2
Hackeando Tec (2015). Redes Neuronales - 1.3 Neuronas Biológicas Superveloces - Hackeando Tec. Recuperado de https://youtu.be/J4rf00Pex1E
Hathibelagal, A. (2017). Android Sensors in Depth: Proximity and Gyroscope. Recuperado de : https://code.tutsplus.com/tutorials/android-sensors-in-depthproximity-and-gyroscope--cms-28084
Hernández, M. (2017). Android Sensor. Recuperado de https://elrobotista.com/android-sensor/
Jiménez, J. (2014). APLICACIÓN MÓVIL PARA LA CAPTURA DESATENIDA DE DATOS DE SENSORES EN TELÉFONOS INTELIGENTES. (Trabajo de grado, Universidad Carlos III Escuela politécnica superior). Recuperado de : https://core.ac.uk/download/pdf/44310781.pdf
Juárez, G. (2017). ¿Cómo funciona el aprendizaje automático (machine learning)?. Recuperado de http://www.nexolution.com/como-funciona-elaprendizaje-automatico-machine-learning/
Kios Buku Gema. (2011). Using Cellular Telephone Networks for GPS Anywhere. Recuperado de https://kiosbukugema.blogspot.com/2011/03/assisted-gps.html
Marín, H. (S.f). Minería de Datos. Recuperado de https://www.tamps.cinvestav.mx/~hmarin/Mineria/EC2.pdf
Mira Cómo hacerlo. (2019). ¿Qué es el Giroscopio del Móvil y como Funciona?. Recuperado de : https://miracomohacerlo.com/giroscopio-del-movil-sirve/
Python Diario. (2018). Mi diario Python. Recuperado de http://www.pythondiario.com.
Schultebraucks, L (2015). Introduction to Support Vector Machines. Recuperado de https://medium.com/@LSchultebraucks/introduction-to-support-vectormachines-9f8161ae2fcb
Suárez, R. (2017). Python. Recuperado de https://www.ecured.cu/Python
Tolosa, C. & Giz, Á. (S.f). Sistemas Biométricos. Recuperado de: http://www.dsi.uclm.es/personal/MiguelFGraciani/mikicurri/Docencia%20/Bioinfo rmatica/web_BIO/Documentacion/Trabajos/Biometria/Trabajo%20Biometria.pdf
Training Data (2019). Techopedia. Recuperado de https://www.techopedia.com/definition/33181/training-data
dc.identifier.instname.spa.fl_str_mv instname:Universidad Antonio Nariño
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional UAN
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uan.edu.co/
url http://repositorio.uan.edu.co/handle/123456789/1987
identifier_str_mv Anguita, D., Ghio, A., & Oneto, L. (2013). A Public Domain Dataset for Human Activity Recognition Using Smartphones. University of Genova & Universitat Politecnica de Catalunya
Baldominos, A., Cervantes, A., Sáez, Y., & Isasi, P. (2018). A Comparison of Machine Learning and Deep Learning Techniques for Activity Recognition using Mobile Devices. Sensors.
Capela, N., Lemaire, E., Baddour, N., Goljar, N & Burger, H. (2016). Evaluation of a Smartphone human activity recognition application with able-bodied and stroke participants. Journal of NeuroEngineering and Rehabilitation
Castonguay, V., Lavoie, P., Karazivan, P., Morris, J. & Gagnon, R. (2017). P030: Multisource feedback for emergency medicine residents: different, relevant and useful information. Résumes scientifique 2017.
Challenger, I., Diaz, Y. & Becerra, R. (2014). The programming language Python. Ciencias Holguín
Chetty, G., White, M., & Akther, F. (2015). Smart phone based data mining for human activity recognition. Procedia Computer Science, 46, 1181–1187.
Han, M., Hun, Jac., Nugent, Chris., McClean, Sally. & Lee, Sungyoung. (2014). A Lightweight Hierarchical Activity Recognition Framework Using Smartphone Sensors. Molecular Diversity Preservation International.
Hernández, R., Fernández, C. & Baptista, P. (2017). Metodología de la investigación. Mc Graw Hill.
Honores, L. & Vizuete, J. (2014). Estudio estadístico comparativo entre sensores android y windows phone aplicado en la detección de movimientos telúricos. Escuela Superior Politécnica de Chimborazo.
Hovden, T., Huie, M., Bich, T. & Acker, P. (2007). Proximity sensor device and method with activation confirmation. Synaptics Incorporated.
Maghsoudi, J. (2017). A Behavioral Biometrics User Authentication Study Using Motion Data from Android Smartphones. Pace University.
Micucci, D., Mobilio, M & Napoleano, P. (2017). A Dataset for Human Activity Recognition Using Acceleration Data from Smartphones. Sensors.
Munguia, E., Intille, S., Lopez, L. & Larson, K. (2006). The Design of a Portable Kit of Wireless Sensors for Naturalistic Data Collection. Massachusetts Institute of Technology.
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M. & Duchesnay, É. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research.
Pires, I., García, N., Pombo, N & Flórez , F. (2011). From Data Acquisition to Data Fusion: A Comprehensive Review and a Roadmap for the Identification of Activities of Daily Living Using Mobile Devices. Sensors.
Pogorelc, B., Bosnić, Z & Gams M. (2011). Automatic recognition of gait-related health problems in the elderly using machine learning. Springer.
Shoaib, M., Bosch, S., Durmaz, O., Scholten, H. & Havinga, P. (2015). A Survey of Online Activity Recognition Using Mobile Phones. Sensors.
Suto, J., Oniga, S., Lung, C. & Orha, I. (2017). Recognition Rate Difference between Real-time and Offline Human Activity Recognition. International Conference on Internet of Things for the Global Community.
Vaughn, A., Biocco, P., Liu, Y. & Anwar, M. (2018). Activity Detection and Analysis Using Smartphone Sensors. IEEE Computer Society.
Viana, J., Neto, G., Galindo, I., Oliveira, A., Braga, R. & Oliveira, C. (2017). A visualization and analysis approach of cyclist data obtained through sensors. Federal Institute of Education, Science and Technology of Ceará IFCE, Ceará, Brazil.
Wiley, J. (2014). Machine learning methods in chemoinformatics. WIREs Computational Molecular Scienc, 4:468–481.
Collado, C. (2018). Los 9 sensores más importantes de tu móvil, y para qué sirve cada uno. Recuperado de: https://andro4all.com/2018/12/sensores-movil
Collado, C. (2019). Qué es el giroscopio de un móvil, para qué sirve y cómo saber si el tuyo lo tiene. Recuperado de: https://andro4all.com/2019/02/giroscopiomovil-que-es
Dalul, S. (2019). How to improve GPS accuracy on Android. Recuperado de : https://www.androidpit.com/how-to-improve-your-gps-signal-on-your-android
Developers, (2019). Location Strategies. Recuperado de https://developer.android.com/guide/topics/location/strategies#Updates
KIENYKE (2019). El 67% de la población cuenta con un dispositivo móvil. Recuperado de: https://www.kienyke.com/tendencias/tecnologia/cuantaspersonas-tienen-celular-en-el-mundo
Federación Internacional de Sociedades de la Cruz y de la Media Luna Roja (2007). Cruz Roja Colombiana. Recuperado de http://web.cruzrojacolombiana.org/publicaciones/pdf/planes_de_respuesta_y_c ontingencia_1722011_044520.pdf
González, J., (2018). Tipos de aprendizaje automático. Recuperado de https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico413e3c615e2
Hackeando Tec (2015). Redes Neuronales - 1.3 Neuronas Biológicas Superveloces - Hackeando Tec. Recuperado de https://youtu.be/J4rf00Pex1E
Hathibelagal, A. (2017). Android Sensors in Depth: Proximity and Gyroscope. Recuperado de : https://code.tutsplus.com/tutorials/android-sensors-in-depthproximity-and-gyroscope--cms-28084
Hernández, M. (2017). Android Sensor. Recuperado de https://elrobotista.com/android-sensor/
Jiménez, J. (2014). APLICACIÓN MÓVIL PARA LA CAPTURA DESATENIDA DE DATOS DE SENSORES EN TELÉFONOS INTELIGENTES. (Trabajo de grado, Universidad Carlos III Escuela politécnica superior). Recuperado de : https://core.ac.uk/download/pdf/44310781.pdf
Juárez, G. (2017). ¿Cómo funciona el aprendizaje automático (machine learning)?. Recuperado de http://www.nexolution.com/como-funciona-elaprendizaje-automatico-machine-learning/
Kios Buku Gema. (2011). Using Cellular Telephone Networks for GPS Anywhere. Recuperado de https://kiosbukugema.blogspot.com/2011/03/assisted-gps.html
Marín, H. (S.f). Minería de Datos. Recuperado de https://www.tamps.cinvestav.mx/~hmarin/Mineria/EC2.pdf
Mira Cómo hacerlo. (2019). ¿Qué es el Giroscopio del Móvil y como Funciona?. Recuperado de : https://miracomohacerlo.com/giroscopio-del-movil-sirve/
Python Diario. (2018). Mi diario Python. Recuperado de http://www.pythondiario.com.
Schultebraucks, L (2015). Introduction to Support Vector Machines. Recuperado de https://medium.com/@LSchultebraucks/introduction-to-support-vectormachines-9f8161ae2fcb
Suárez, R. (2017). Python. Recuperado de https://www.ecured.cu/Python
Tolosa, C. & Giz, Á. (S.f). Sistemas Biométricos. Recuperado de: http://www.dsi.uclm.es/personal/MiguelFGraciani/mikicurri/Docencia%20/Bioinfo rmatica/web_BIO/Documentacion/Trabajos/Biometria/Trabajo%20Biometria.pdf
Training Data (2019). Techopedia. Recuperado de https://www.techopedia.com/definition/33181/training-data
instname:Universidad Antonio Nariño
reponame:Repositorio Institucional UAN
repourl:https://repositorio.uan.edu.co/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Acceso abierto
dc.rights.license.spa.fl_str_mv Attribution 4.0 International (CC BY 4.0)
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Attribution 4.0 International (CC BY 4.0)
Acceso abierto
https://creativecommons.org/licenses/by/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.publisher.spa.fl_str_mv Universidad Antonio Nariño
dc.publisher.program.spa.fl_str_mv Ingeniería de Sistemas y Computación
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería de Sistemas
dc.publisher.campus.spa.fl_str_mv Bogotá - Sur
institution Universidad Antonio Nariño
bitstream.url.fl_str_mv https://repositorio.uan.edu.co/bitstreams/b1aff8b0-e8c0-42d7-99dd-7691c3bd1e08/download
https://repositorio.uan.edu.co/bitstreams/05830f94-682b-47c0-8c9f-eb71231a9078/download
https://repositorio.uan.edu.co/bitstreams/1b5ad48f-a11d-47ce-922a-d6e37197ab07/download
https://repositorio.uan.edu.co/bitstreams/48555b49-4e82-4c9d-ad7e-1b77364b2173/download
https://repositorio.uan.edu.co/bitstreams/1bc06f53-8ed6-4597-bec0-cee4a9789791/download
bitstream.checksum.fl_str_mv 2b2ab6ec8a6a222739b9c0e57c635c2e
2e388663398085f69421c9e4c5fcf235
028c8fd57c55c04b0cb6947fe10b953d
9a05d1b7e7b62d46d149579e7d3d7e7f
ae99314e93306cd26473a3c6b385aadb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UAN
repository.mail.fl_str_mv alertas.repositorio@uan.edu.co
_version_ 1814300362993041408
spelling Attribution 4.0 International (CC BY 4.0)Acceso abiertohttps://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ramírez, Juan CamiloCruz Cepeda, RosalbaMancipe Ramírez, Sonia Fernanda2021-02-26T15:43:11Z2021-02-26T15:43:11Z2020-06-08http://repositorio.uan.edu.co/handle/123456789/1987Anguita, D., Ghio, A., & Oneto, L. (2013). A Public Domain Dataset for Human Activity Recognition Using Smartphones. University of Genova & Universitat Politecnica de CatalunyaBaldominos, A., Cervantes, A., Sáez, Y., & Isasi, P. (2018). A Comparison of Machine Learning and Deep Learning Techniques for Activity Recognition using Mobile Devices. Sensors.Capela, N., Lemaire, E., Baddour, N., Goljar, N & Burger, H. (2016). Evaluation of a Smartphone human activity recognition application with able-bodied and stroke participants. Journal of NeuroEngineering and RehabilitationCastonguay, V., Lavoie, P., Karazivan, P., Morris, J. & Gagnon, R. (2017). P030: Multisource feedback for emergency medicine residents: different, relevant and useful information. Résumes scientifique 2017.Challenger, I., Diaz, Y. & Becerra, R. (2014). The programming language Python. Ciencias HolguínChetty, G., White, M., & Akther, F. (2015). Smart phone based data mining for human activity recognition. Procedia Computer Science, 46, 1181–1187.Han, M., Hun, Jac., Nugent, Chris., McClean, Sally. & Lee, Sungyoung. (2014). A Lightweight Hierarchical Activity Recognition Framework Using Smartphone Sensors. Molecular Diversity Preservation International.Hernández, R., Fernández, C. & Baptista, P. (2017). Metodología de la investigación. Mc Graw Hill.Honores, L. & Vizuete, J. (2014). Estudio estadístico comparativo entre sensores android y windows phone aplicado en la detección de movimientos telúricos. Escuela Superior Politécnica de Chimborazo.Hovden, T., Huie, M., Bich, T. & Acker, P. (2007). Proximity sensor device and method with activation confirmation. Synaptics Incorporated.Maghsoudi, J. (2017). A Behavioral Biometrics User Authentication Study Using Motion Data from Android Smartphones. Pace University.Micucci, D., Mobilio, M & Napoleano, P. (2017). A Dataset for Human Activity Recognition Using Acceleration Data from Smartphones. Sensors.Munguia, E., Intille, S., Lopez, L. & Larson, K. (2006). The Design of a Portable Kit of Wireless Sensors for Naturalistic Data Collection. Massachusetts Institute of Technology.Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M. & Duchesnay, É. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research.Pires, I., García, N., Pombo, N & Flórez , F. (2011). From Data Acquisition to Data Fusion: A Comprehensive Review and a Roadmap for the Identification of Activities of Daily Living Using Mobile Devices. Sensors.Pogorelc, B., Bosnić, Z & Gams M. (2011). Automatic recognition of gait-related health problems in the elderly using machine learning. Springer.Shoaib, M., Bosch, S., Durmaz, O., Scholten, H. & Havinga, P. (2015). A Survey of Online Activity Recognition Using Mobile Phones. Sensors.Suto, J., Oniga, S., Lung, C. & Orha, I. (2017). Recognition Rate Difference between Real-time and Offline Human Activity Recognition. International Conference on Internet of Things for the Global Community.Vaughn, A., Biocco, P., Liu, Y. & Anwar, M. (2018). Activity Detection and Analysis Using Smartphone Sensors. IEEE Computer Society.Viana, J., Neto, G., Galindo, I., Oliveira, A., Braga, R. & Oliveira, C. (2017). A visualization and analysis approach of cyclist data obtained through sensors. Federal Institute of Education, Science and Technology of Ceará IFCE, Ceará, Brazil.Wiley, J. (2014). Machine learning methods in chemoinformatics. WIREs Computational Molecular Scienc, 4:468–481.Collado, C. (2018). Los 9 sensores más importantes de tu móvil, y para qué sirve cada uno. Recuperado de: https://andro4all.com/2018/12/sensores-movilCollado, C. (2019). Qué es el giroscopio de un móvil, para qué sirve y cómo saber si el tuyo lo tiene. Recuperado de: https://andro4all.com/2019/02/giroscopiomovil-que-esDalul, S. (2019). How to improve GPS accuracy on Android. Recuperado de : https://www.androidpit.com/how-to-improve-your-gps-signal-on-your-androidDevelopers, (2019). Location Strategies. Recuperado de https://developer.android.com/guide/topics/location/strategies#UpdatesKIENYKE (2019). El 67% de la población cuenta con un dispositivo móvil. Recuperado de: https://www.kienyke.com/tendencias/tecnologia/cuantaspersonas-tienen-celular-en-el-mundoFederación Internacional de Sociedades de la Cruz y de la Media Luna Roja (2007). Cruz Roja Colombiana. Recuperado de http://web.cruzrojacolombiana.org/publicaciones/pdf/planes_de_respuesta_y_c ontingencia_1722011_044520.pdfGonzález, J., (2018). Tipos de aprendizaje automático. Recuperado de https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico413e3c615e2Hackeando Tec (2015). Redes Neuronales - 1.3 Neuronas Biológicas Superveloces - Hackeando Tec. Recuperado de https://youtu.be/J4rf00Pex1EHathibelagal, A. (2017). Android Sensors in Depth: Proximity and Gyroscope. Recuperado de : https://code.tutsplus.com/tutorials/android-sensors-in-depthproximity-and-gyroscope--cms-28084Hernández, M. (2017). Android Sensor. Recuperado de https://elrobotista.com/android-sensor/Jiménez, J. (2014). APLICACIÓN MÓVIL PARA LA CAPTURA DESATENIDA DE DATOS DE SENSORES EN TELÉFONOS INTELIGENTES. (Trabajo de grado, Universidad Carlos III Escuela politécnica superior). Recuperado de : https://core.ac.uk/download/pdf/44310781.pdfJuárez, G. (2017). ¿Cómo funciona el aprendizaje automático (machine learning)?. Recuperado de http://www.nexolution.com/como-funciona-elaprendizaje-automatico-machine-learning/Kios Buku Gema. (2011). Using Cellular Telephone Networks for GPS Anywhere. Recuperado de https://kiosbukugema.blogspot.com/2011/03/assisted-gps.htmlMarín, H. (S.f). Minería de Datos. Recuperado de https://www.tamps.cinvestav.mx/~hmarin/Mineria/EC2.pdfMira Cómo hacerlo. (2019). ¿Qué es el Giroscopio del Móvil y como Funciona?. Recuperado de : https://miracomohacerlo.com/giroscopio-del-movil-sirve/Python Diario. (2018). Mi diario Python. Recuperado de http://www.pythondiario.com.Schultebraucks, L (2015). Introduction to Support Vector Machines. Recuperado de https://medium.com/@LSchultebraucks/introduction-to-support-vectormachines-9f8161ae2fcbSuárez, R. (2017). Python. Recuperado de https://www.ecured.cu/PythonTolosa, C. & Giz, Á. (S.f). Sistemas Biométricos. Recuperado de: http://www.dsi.uclm.es/personal/MiguelFGraciani/mikicurri/Docencia%20/Bioinfo rmatica/web_BIO/Documentacion/Trabajos/Biometria/Trabajo%20Biometria.pdfTraining Data (2019). Techopedia. Recuperado de https://www.techopedia.com/definition/33181/training-datainstname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/InternaThis undergraduate degree project presents the development of a mobile application for the collection of data readings from sensors in Android smartphones. This development seeks to address a need identified in the research project “Communication system for disaster survivors based on an ad-hoc smartphone network”, led by research group LACSER - Laboratory for Advanced Computational Science and Engineering Research of Universidad Antonio Nariño, which aims to develop a mobile application in Android operating system as an alternative communication channel that allows the exchange of messages between survivors of a disaster and provides in real time the approximate geographical location of these without requiring access to the Internet or a centralized network infrastructure. The research project contemplates the use of machine learning from the readings made by the sensors of a device with the purpose of automatically predicting if it is being manipulated at that time by a human being and thus decide if the messaging application should prioritize communication with said node. The application developed in this degree project will allow the data collection for the training of machine learning models provided in the research project. This development is proposed as an alternative for the collection of the information required by the research project since the applications available in the market do not meet its requirements. The app developed in this undergraduate degree project will offer the user several benefits, including the selection of the types of sensors that will be read and the time range in which the data will be captured. Optional future work contemplated as part of this undergraduate degree project consists of the application of machine learning for the subsequent identification of human activity from the data collected.Este trabajo de grado propone una alternativa para la recolección de la información requerida por el proyecto de investigación que contempla el uso de aprendizaje automático a partir de las lecturas hechas por los sensores de un dispositivo con el propósito de predecir automáticamente si el mismo está siendo manipulado en ese momento por un ser humano y así decidir si la aplicación de mensajería debe priorizar la comunicación con dicho nodo. Dado que las aplicaciones disponibles en el mercado no satisfacen los requerimientos de este, la app desarrollada en este trabajo de grado le ofrecerá al usuario varios beneficios, incluyendo la selección de los tipos de sensores que se leerán y el rango de tiempo en el que realizará la captura de datos.UAN Proyectos de ciencia, tecnología, innovación y creación artísticaIngeniero(a) de Sistemas y ComputaciónPregradoTrabajo de grado desarrollado en el marco del proyecto de investigación “Sistema de comunicación para sobrevivientes de un desastre basado en una red ad hoc de teléfonos inteligentes”, cuyo código en VCTI es 2018203.PresencialspaUniversidad Antonio NariñoIngeniería de Sistemas y ComputaciónFacultad de Ingeniería de SistemasBogotá - SurAndroidDispositivos inteligentesSensoresProximidadAcelerómetroGiroscopioGPSMagnetómetroAndroidSmart devicesSensorsProximityAccelerometerGyroscopeGPSMagnetometerDesarrollo de una aplicación para la recolección de datos generados por sensores en smartphonesTrabajo de grado (Pregrado y/o Especialización)http://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.uan.edu.co/bitstreams/b1aff8b0-e8c0-42d7-99dd-7691c3bd1e08/download2b2ab6ec8a6a222739b9c0e57c635c2eMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-82710https://repositorio.uan.edu.co/bitstreams/05830f94-682b-47c0-8c9f-eb71231a9078/download2e388663398085f69421c9e4c5fcf235MD55ORIGINAL2020_SoniaFernandaMancipeRamirez2020_SoniaFernandaMancipeRamirezTrabajo de gradoapplication/pdf3659965https://repositorio.uan.edu.co/bitstreams/1b5ad48f-a11d-47ce-922a-d6e37197ab07/download028c8fd57c55c04b0cb6947fe10b953dMD512020_SoniaFernandaMancipeRamirez_Autorización2020_SoniaFernandaMancipeRamirez_AutorizaciónAutroización de Autoresapplication/pdf679359https://repositorio.uan.edu.co/bitstreams/48555b49-4e82-4c9d-ad7e-1b77364b2173/download9a05d1b7e7b62d46d149579e7d3d7e7fMD522020_SoniaFernandaMancipeRamirez_Manual2020_SoniaFernandaMancipeRamirez_ManualManualapplication/pdf1629582https://repositorio.uan.edu.co/bitstreams/1bc06f53-8ed6-4597-bec0-cee4a9789791/downloadae99314e93306cd26473a3c6b385aadbMD53123456789/1987oai:repositorio.uan.edu.co:123456789/19872024-10-09 22:56:46.557https://creativecommons.org/licenses/by/4.0/Acceso abiertoopen.accesshttps://repositorio.uan.edu.coRepositorio Institucional UANalertas.repositorio@uan.edu.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

Publicaciones similares