I
n
t
e
r
n
at
ion
al
Jou
r
n
a
l
of
I
n
f
o
r
m
at
ics
an
d
Com
m
u
n
icat
ion
T
e
c
h
n
ol
ogy
(
I
J
-
I
CT
)
Vo
l
.
15
,
N
o
.
2
,
J
un
e
20
26
,
pp.
869
~
879
I
S
S
N:
2252
-
8776
,
DO
I
:
10
.
11591/i
ji
c
t
.
v
15
i
2
.
pp
86
9
-
879
869
Jou
r
n
al
h
o
m
e
page
:
ht
tp:
//
ij
ict
.
iaes
c
or
e
.
c
om
R
e
al
-
t
im
e
e
m
ot
io
n
p
r
e
d
ic
t
io
n
sy
st
e
m
u
si
n
g
b
ig
d
at
a an
al
y
t
ic
s
M
an
p
r
e
e
t
K
au
r
Dhal
iwa
l
,
Rohi
n
i
S
h
ar
m
a
,
Raj
b
in
d
e
r
K
au
r
D
e
pa
r
tm
e
nt
of
C
o
mput
e
r
S
c
i
e
n
c
e
a
nd A
ppl
i
c
a
ti
o
ns
, P
a
nj
a
b U
ni
ve
r
s
it
y
,
C
ha
ndi
ga
r
h
, I
ndi
a
Ar
t
ic
l
e
I
n
f
o
AB
S
T
RA
CT
A
r
ti
c
le
h
is
tor
y
:
R
e
c
e
i
ve
d
Oc
t
16,
2024
R
e
vi
s
e
d
No
v
12,
2025
A
c
c
e
pt
e
d
De
c
14,
2025
E
mo
t
i
o
n
s
ar
e
an
i
n
s
e
p
arab
l
e
p
art
o
f
h
u
m
an
e
x
i
s
t
e
n
ce.
E
mo
t
i
o
n
s
h
av
e
a
b
i
g
i
m
p
ac
t
o
n
t
h
e
s
u
cce
s
s
an
d
fa
i
l
u
r
e
o
f
t
h
e
h
u
m
an
race.
C
o
m
p
reh
e
n
d
i
n
g
h
u
m
an
em
o
t
i
o
n
s
co
u
l
d
p
ro
v
e
b
en
e
fi
ci
al
i
n
c
r
e
at
i
n
g
i
m
p
ro
v
ed
s
y
s
t
em
s
f
o
r
ed
u
c
at
i
o
n
,
s
e
cu
ri
t
y
,
m
ar
k
e
t
s
al
e
s
,
p
ro
d
u
c
t
i
o
n
,
h
e
a
l
t
h
c
ar
e
an
d
o
t
h
e
r
ar
e
as
.
B
i
g
d
at
a
an
al
y
t
i
c
s
ap
p
l
i
ed
t
o
s
t
re
a
m
l
i
n
ed
r
e
a
l
t
i
me
em
o
t
i
o
n
s
en
s
o
r’s
d
at
a
c
an
g
i
v
e
n
ew
i
n
s
i
g
h
t
s
t
o
an
t
i
ci
p
at
e
s
t
re
s
s
b
e
fo
r
e
i
t
ari
s
e
s
a
n
d
h
e
l
p
i
n
m
a
k
i
n
g
s
i
g
n
i
fi
c
an
t
c
h
o
i
ce
s
t
h
at
i
m
p
ro
v
e
p
eo
p
l
e
's
q
u
al
i
t
y
o
f
l
i
fe.
T
h
i
s
w
o
r
k
p
ro
p
o
s
e
s
a
framew
o
rk
fo
r
b
i
g
d
at
a
m
a
n
ag
emen
t
an
d
an
a
l
y
s
i
s
o
f
G
SR
s
e
n
s
o
r’s
d
at
a
i
n
re
al
-
t
i
me
f
o
r
p
r
e
d
i
c
t
i
n
g
emo
t
i
o
n
s
i
n
h
u
m
an
p
art
i
ci
p
an
t
s
.
Su
p
e
rv
i
s
ed
l
e
arn
i
n
g
t
e
ch
n
i
q
u
e
s
,
en
s
em
b
l
e
b
o
o
s
t
e
d
t
ree
,
n
eu
ral
n
e
t
w
o
rk
,
N
aï
v
e
Ba
y
e
s
,
s
u
p
p
o
rt
v
ec
t
o
r
m
a
ch
i
n
e
,
d
eci
s
i
o
n
t
ree
,
K
-
n
e
ar
e
s
t
n
ei
g
h
b
o
r,
an
d
q
u
ad
rat
i
c
d
i
s
c
r
i
m
i
n
an
t
a
n
al
y
s
i
s
are
ap
p
l
i
ed
t
o
t
h
e
co
l
l
ec
t
ed
d
at
a.
T
w
o
d
i
s
t
i
n
c
t
c
r
i
t
e
r
i
a
h
av
e
b
een
u
t
i
l
i
z
e
d
fo
r
t
e
s
t
i
n
g
o
n
re
a
l
-
t
i
me
d
at
a
o
n
e
i
s
t
rai
n
e
d
o
n
al
l
p
art
i
c
i
p
an
t
d
at
a,
re
s
u
l
t
i
n
g
i
n
a
g
en
e
ral
i
zed
s
y
s
t
em
,
w
h
i
l
e
t
h
e
o
t
h
e
r
i
s
t
rai
n
ed
o
n
p
art
i
c
i
p
an
t
-
s
p
e
ci
fi
c
d
at
a,
r
e
s
u
l
t
i
n
g
i
n
a
p
e
rs
o
n
al
i
z
e
d
s
y
s
t
em
.
H
e
n
ce,
t
h
e
p
e
rs
o
n
al
i
z
e
d
s
y
s
t
em
a
ch
i
ev
e
s
an
accu
ra
c
y
o
f
u
p
t
o
8
0
.
6
4
%
ac
ro
s
s
al
l
cl
as
s
e
s
an
d
1
0
0
%
fo
r
b
i
n
ar
y
c
l
as
s
e
s
as
c
o
m
p
ar
e
t
o
g
e
n
e
ra
l
i
ze
d
s
y
s
t
em
a
c
h
i
e
v
e
s
7
8
.
1
2
%
acc
u
ra
cy
.
I
t
i
s
co
n
cl
u
d
e
d
t
h
at
fo
r
t
h
e
p
u
rp
o
s
e
o
f
p
re
d
i
c
t
i
n
g
em
o
t
i
o
n
s
,
t
h
e
p
e
rs
o
n
a
l
i
z
ed
m
o
d
e
l
p
e
rf
o
r
m
s
b
e
t
t
e
r
t
h
an
t
h
e
g
en
e
ral
i
ze
d
m
o
d
e
l
.
K
e
y
w
o
r
d
s
:
B
i
g
da
t
a
C
l
o
ud
GSR
Out
l
i
e
r
s
R
e
a
l
-
t
i
m
e
Th
i
s
i
s
a
n
o
p
en
a
c
ces
s
a
r
t
i
c
l
e
u
n
d
e
r
t
h
e
CC
B
Y
-
SA
l
i
cen
s
e.
C
or
r
e
s
pon
din
g
A
u
th
or
:
R
o
hi
ni
S
ha
r
m
a
De
pa
r
t
m
e
n
t
o
f
C
o
m
put
e
r
S
c
i
e
n
c
e
a
n
d
A
pp
li
c
a
t
i
o
n
s
,
P
a
nj
a
b
U
ni
ve
r
s
i
t
y
C
ha
n
d
i
g
a
r
h
,
I
n
d
i
a
E
m
a
i
l
:
r
o
hi
ni
@pu.
a
c
.
i
n
1.
I
NT
RODU
C
T
I
ON
T
h
e
h
e
a
l
t
h
c
a
r
e
i
n
du
s
t
r
y
us
e
s
a
w
i
de
r
a
n
ge
o
f
t
e
c
hn
o
l
o
g
i
e
s
,
i
n
c
l
ud
i
ng
bi
g
da
t
a
,
c
l
o
ud
c
o
m
put
i
n
g,
m
a
c
hi
ne
l
e
a
r
ni
ng,
a
r
t
i
f
i
c
i
a
l
i
n
t
e
ll
i
ge
n
c
e
,
a
n
d
t
h
e
i
n
t
e
r
n
e
t
o
f
t
hi
n
gs
(
I
o
T
)
f
o
r
r
e
m
o
t
e
h
e
a
l
t
h
m
o
ni
t
o
r
i
n
g,
e
p
i
de
mi
c
de
t
e
c
t
i
o
n
,
a
n
d
f
o
r
e
c
a
s
t
i
n
g,
a
m
o
n
g
ot
h
e
r
a
ppl
i
c
a
t
i
o
n
s
.
A
c
c
o
r
d
i
n
g
to
pr
o
j
e
c
t
i
o
n
s
,
t
h
e
v
a
l
u
e
o
f
t
h
e
wo
r
l
dw
i
de
h
e
a
l
t
hc
a
r
e
a
r
t
i
f
i
c
i
a
l
i
n
t
e
ll
i
g
e
n
c
e
i
n
du
s
t
r
y
i
s
e
x
p
e
c
t
e
d
to
r
e
a
c
h
a
l
m
o
s
t
188
bi
ll
i
o
n
do
l
l
a
r
s
by
2030,
gr
o
wi
n
g
a
t
a
c
o
m
po
un
d
a
nn
ua
l
gr
o
wt
h
r
a
t
e
o
f
37%
b
e
t
we
e
n
2022
a
n
d
2030
[
1]
.
A
c
c
o
r
di
n
g
t
o
a
f
o
r
e
c
a
s
t
b
y
t
h
e
i
n
t
e
r
n
a
t
i
o
n
a
l
da
t
a
c
o
r
p
or
a
t
i
o
n
(
I
DC
)
,
t
h
e
r
e
w
i
ll
b
e
41.
6
bil
li
o
n
I
o
T
de
vi
c
e
s
by
2025,
w
i
t
h
a
da
t
a
ge
n
e
r
a
t
i
o
n
c
a
pa
c
i
t
y
o
f
79.
4
z
e
tt
a
by
t
e
s
(
Z
B
)
[
2
]
.
T
h
e
I
oT
wi
ll
pr
o
duc
e
b
r
o
n
to
by
t
e
-
s
i
z
e
d
da
t
a
i
n
t
h
e
f
ut
ur
e
[
3]
.
S
c
a
l
a
bl
e
d
i
ve
r
s
e
da
t
a
t
h
a
t
e
x
pa
n
d
s
e
x
po
n
e
n
t
i
a
ll
y
i
s
r
e
f
e
r
r
e
d
to
a
s
"
bi
g
da
t
a
"
.
T
h
e
de
f
i
n
i
t
i
o
n
o
f
bi
g
da
t
a
c
o
m
pr
i
s
e
s
s
i
x
t
e
r
m
s
:
Vo
l
u
m
e
,
whi
c
h
de
n
o
t
e
s
t
h
e
m
a
s
s
i
ve
qua
n
t
i
t
y
o
f
da
t
a
ge
n
e
r
a
t
e
d
or
ga
t
h
e
r
e
d;
Ve
l
o
c
i
t
y
,
whi
c
h
de
s
c
r
i
be
s
t
h
e
s
pe
e
d
a
t
whi
c
h
t
h
e
da
t
a
i
s
ga
t
h
e
r
e
d
a
n
d
c
o
n
t
i
n
uo
us
l
y
upda
t
e
d
i
n
r
e
a
l
-
t
i
m
e
;
Va
r
i
e
t
y
,
whi
c
h
de
s
c
r
i
b
e
s
t
h
e
v
a
r
i
e
t
y
o
f
s
o
ur
c
e
s
f
r
o
m
whi
c
h
t
h
e
da
t
a
i
s
o
b
t
a
i
n
e
d,
s
uc
h
a
s
s
t
r
uc
t
ur
e
d
,
un
s
t
r
uc
t
ur
e
d
,
or
da
t
a
a
c
qui
r
e
d
f
r
o
m
s
e
n
s
o
r
s
;
Va
r
i
a
bi
li
t
y
,
whi
c
h
de
s
c
r
i
be
s
t
h
e
v
a
r
i
a
bl
e
n
a
t
ur
e
o
f
t
h
e
da
t
a
,
Ve
r
a
c
i
t
y
t
h
a
t
i
nv
o
l
ve
s
t
h
e
e
r
r
o
r
s
a
n
d
n
o
i
s
e
i
n
t
h
e
d
a
t
a
;
a
n
d
V
a
l
ue
,
w
hi
c
h
de
s
c
r
i
b
e
s
t
h
e
us
e
f
u
l
ne
s
s
o
f
t
h
e
da
t
a
f
o
r
a
ny
a
pp
l
i
c
a
t
i
o
n
t
h
a
t
m
a
ke
s
us
e
o
f
t
h
e
c
o
n
c
e
pt
o
f
bi
g
d
a
t
a
.
B
i
g
da
t
a
pr
o
vi
de
s
n
u
m
e
r
o
us
o
pp
o
r
t
uni
t
i
e
s
i
n
t
h
e
f
i
e
l
d
s
o
f
he
a
l
t
h
i
nf
o
r
m
a
t
i
c
s
,
m
e
d
i
c
a
l
i
n
f
o
r
m
a
t
i
c
s
,
bi
o
i
n
f
o
r
m
a
t
i
c
s
,
o
r
c
l
i
n
i
c
a
l
i
nf
o
r
m
a
t
i
c
s
f
o
r
r
e
s
e
a
r
c
h
e
r
s
b
ut
t
h
e
r
e
a
r
e
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2252
-
8776
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
,
Vo
l
.
15
,
N
o.
2
,
J
un
e
20
26
:
869
-
879
870
s
e
v
e
r
a
l
c
h
a
ll
e
n
ge
s
t
o
da
t
a
m
a
na
ge
m
e
n
t
l
i
k
e
c
l
e
a
ni
ng,
n
o
i
s
e
,
b
a
l
a
nc
i
ng,
pr
i
v
a
c
y
,
a
n
d
a
n
a
ly
s
i
s
[
4]
.
B
i
g
da
t
a
,
f
r
o
m
t
h
e
pe
r
s
pe
c
t
i
ve
o
f
m
a
ny
,
s
t
i
l
l
r
e
f
e
r
s
t
o
a
hi
g
h
v
o
l
u
m
e
o
f
d
a
t
a
[
5]
b
u
t
i
t
i
s
n
o
t
a
b
o
u
t
o
nl
y
qua
n
t
i
t
y
v
a
r
i
e
t
y
,
s
pe
e
d,
a
n
d
v
a
l
ue
a
r
e
a
l
s
o
i
m
po
r
t
a
n
t
f
a
c
t
o
r
s
t
h
a
t
c
o
n
t
r
i
b
ut
e
to
B
i
g
da
t
a
.
Our
s
t
udy
f
o
c
us
e
s
o
n
t
h
e
v
a
r
i
e
t
y
,
v
e
l
o
c
i
t
y
,
v
a
l
ue
,
a
n
d
v
e
r
a
c
i
t
y
c
h
a
r
a
c
t
e
r
i
s
t
i
c
s
o
f
bi
g
da
t
a
.
R
e
a
l
-
t
i
m
e
da
t
a
c
o
l
l
e
c
t
i
o
n
a
n
d
pr
o
c
e
s
s
i
ng
i
s
e
s
s
e
n
t
i
a
l
i
n
t
o
da
y
’
s
wo
r
l
d
b
e
c
a
u
s
e
de
l
a
y
e
d
i
nf
o
r
m
a
t
i
o
n
m
a
y
l
e
a
d
t
o
l
o
s
s
o
f
li
ve
s
.
T
h
e
c
o
nj
u
n
c
t
i
o
n
o
f
c
lo
ud
a
n
d
bi
g
da
t
a
t
e
c
h
ni
que
s
a
r
e
us
e
f
u
l
i
n
r
e
a
l
-
t
i
m
e
da
t
a
s
to
r
a
ge
,
a
n
a
ly
s
i
s
,
a
n
d
c
o
n
t
i
n
uo
us
m
o
ni
t
o
r
i
n
g
o
f
h
e
a
l
t
h
pa
r
a
m
e
t
e
r
s
.
Va
r
i
o
us
f
r
a
m
e
wo
r
ks
h
a
v
e
b
e
e
n
s
ugge
s
t
e
d
i
n
li
t
e
r
a
t
ur
e
b
a
s
e
d
o
n
I
o
T
-
c
l
o
ud
s
y
s
t
e
m
s
,
Dha
l
iwa
l
e
t
al.
[
6]
,
p
r
o
p
o
s
e
d
a
f
i
ve
-
l
a
y
e
r
e
d
hy
br
i
d
a
r
c
hi
t
e
c
t
ur
e
us
i
n
g
c
l
o
ud
a
n
d
we
a
r
a
bl
e
s
e
ns
o
r
s
.
S
e
n
s
o
r
da
t
a
i
s
u
s
e
d
f
o
r
r
e
a
l
-
t
i
m
e
a
n
a
ly
s
i
s
,
pr
e
d
i
c
t
i
o
n
,
a
n
d
s
e
n
d
i
ng
a
l
e
r
t
s
t
o
c
a
r
e
t
a
ke
r
s
i
f
a
n
e
m
e
r
ge
n
c
y
a
r
i
s
e
s
.
S
a
r
e
e
n
e
t
al.
[
7]
,
s
ugge
s
t
e
d
a
wi
r
e
l
e
s
s
b
o
d
y
a
r
e
a
n
e
t
wo
r
k
a
n
d
R
F
I
D
-
b
a
s
e
d
a
r
c
hi
t
e
c
t
ur
e
f
o
r
r
e
a
l
-
t
i
m
e
r
e
m
o
t
e
pa
t
i
e
n
t
m
o
ni
t
o
r
i
ng
vi
a
c
l
o
ud
c
o
m
put
i
n
g
t
o
i
de
n
t
i
f
y
a
n
d
t
r
a
c
k
E
b
o
l
a
pa
t
i
e
n
t
s
.
Otoo
m
e
t
al.
[
8]
,
p
r
o
p
o
s
e
d
a
n
a
r
c
hi
t
e
c
t
ur
e
b
a
s
e
d
o
n
t
h
e
I
n
t
e
r
n
e
t
o
f
T
hi
ngs
a
n
d
t
h
e
c
l
o
ud
t
h
a
t
w
o
ul
d
ga
t
h
e
r
s
y
m
pt
o
m
s
i
n
r
e
a
l
-
t
i
m
e
f
r
o
m
we
a
r
a
bl
e
t
e
c
h
n
o
l
o
g
y
a
n
d
a
pp
l
y
a
m
a
c
hi
ne
l
e
a
r
ni
ng
a
l
go
r
i
t
hm
t
o
f
o
r
e
c
a
s
t
a
n
d
t
r
a
c
k
C
OV
I
D
-
19
i
n
s
t
a
n
c
e
s
.
He
a
l
t
h
c
a
r
e
pr
o
f
e
s
s
io
n
a
l
s
ut
i
li
z
e
t
h
e
s
e
a
n
t
i
c
i
pa
t
e
d
da
t
a
to
r
e
a
c
t
to
pa
t
i
e
n
t
s
pr
o
m
pt
l
y
.
I
n
a
s
i
mi
l
a
r
v
e
i
n
,
[
9]
-
[
14]
s
ugge
s
t
e
d
s
e
ns
o
r
-
c
l
o
ud
-
b
a
s
e
d
s
y
s
t
e
m
s
f
o
r
i
ll
ne
s
s
pr
e
d
i
c
t
i
o
n
a
n
d
a
l
e
r
t
i
n
g
c
a
r
e
g
i
v
e
r
s
.
I
n
t
h
e
li
t
e
r
a
t
ur
e
,
t
h
e
pr
o
p
o
s
e
d
f
r
a
m
e
w
o
r
ks
l
a
c
k
r
e
a
l
-
t
i
m
e
a
n
a
ly
s
i
s
o
f
r
e
a
l
da
t
a
a
n
d
c
l
o
ud
s
to
r
a
ge
.
R
e
a
l
-
t
i
m
e
s
e
n
s
o
r
da
t
a
a
n
a
ly
s
i
s
c
a
n
i
m
pr
o
v
e
t
h
e
qua
l
i
t
y
o
f
i
nf
o
r
m
a
t
i
o
n
,
a
n
d
a
n
t
i
c
i
p
a
t
e
e
m
e
r
ge
n
c
i
e
s
l
ike
h
e
a
r
t
a
tt
a
c
ks
,
c
a
r
di
o
v
a
s
c
u
l
a
r
d
i
s
e
a
s
e
,
e
pi
d
e
m
i
c
s
,
a
n
d
t
r
a
c
k
i
nf
e
c
t
e
d
pa
t
i
e
n
t
s
.
I
n
t
hi
s
pa
pe
r
,
a
f
r
a
m
e
wo
r
k
h
a
s
b
e
e
n
pr
o
p
o
s
e
d
a
n
d
a
pr
oo
f
o
f
c
o
n
c
e
pt
h
a
s
b
e
e
n
pr
e
s
e
n
t
e
d
b
a
s
e
d
o
n
bi
g
da
t
a
a
n
a
l
y
t
i
c
s
a
n
d
m
a
n
a
ge
m
e
n
t
s
pe
c
i
f
i
c
a
ll
y
to
h
a
n
d
l
e
we
a
r
a
bl
e
s
e
n
s
o
r
da
t
a
i
n
r
e
a
l
-
t
i
m
e
s
c
e
n
a
r
i
o
s
.
E
x
pe
r
i
m
e
n
t
s
h
a
v
e
b
e
e
n
pe
r
f
o
r
m
e
d
to
i
de
n
t
i
f
y
t
h
e
pr
e
d
i
c
t
i
v
e
m
o
de
l
s
t
h
a
t
a
r
e
m
o
s
t
a
c
c
ur
a
t
e
a
t
pr
e
d
i
c
t
i
n
g
t
h
e
c
o
n
d
i
t
i
o
n
.
T
h
e
pr
o
j
e
c
t
e
d
o
u
t
c
o
m
e
s
un
de
r
go
s
c
r
ut
i
ny
,
a
s
s
e
s
s
m
e
n
t
,
a
n
d
i
ll
us
t
r
a
t
i
o
n
.
T
h
e
m
a
j
o
r
c
o
n
t
r
i
b
ut
i
o
n
o
f
t
hi
s
a
r
t
i
c
l
e
i
s
a
s
f
o
l
l
o
ws
:
A
f
r
a
m
e
wo
r
k
i
s
pr
o
po
s
e
d
f
o
r
bi
g
da
t
a
m
a
n
a
ge
m
e
nt
a
n
d
a
n
a
ly
s
i
s
s
pe
c
i
f
i
c
a
ll
y
t
o
h
a
n
d
l
e
we
a
r
a
bl
e
s
e
n
s
o
r
’
s
da
t
a
i
n
r
e
a
l
-
t
i
m
e
s
c
e
n
a
r
i
o
s
.
T
h
e
ut
i
li
z
a
t
i
o
n
o
f
o
pe
n
s
o
ur
c
e
I
o
T
pl
a
t
f
o
r
m
t
oo
l
i
.
e
.
T
hi
ngS
pe
a
k
f
o
r
da
t
a
s
to
r
a
ge
,
p
r
o
c
e
s
s
i
ng,
a
n
d
a
n
a
ly
s
i
s
.
T
hi
n
gS
pe
a
k
c
l
o
ud
e
n
s
ur
e
s
bi
g
s
to
r
a
ge
c
a
pa
c
i
t
y
,
s
e
c
ur
i
t
y
,
a
n
d
r
e
a
l
-
t
i
m
e
a
n
a
ly
s
i
s
o
f
da
t
a
u
s
i
n
g
t
h
e
M
A
T
L
AB
too
l
.
R
e
a
l
-
t
i
m
e
de
s
c
r
i
pt
i
v
e
a
n
a
ly
s
i
s
o
n
t
h
e
bi
g
s
e
ns
o
r
s
d
a
t
a
f
o
r
de
t
e
c
t
i
n
g
o
u
t
l
i
e
r
s
.
M
u
l
t
i
c
l
a
s
s
if
i
c
a
t
i
o
n
o
f
e
m
o
t
i
o
n
s
i
.
e
.
s
a
d,
s
c
a
r
y
,
h
a
pp
y
,
h
o
l
d,
de
e
p
b
r
e
a
t
h
,
a
n
d
n
o
r
m
a
l
o
n
GSR
da
t
a
a
n
d
B
i
n
a
r
y
c
l
a
s
s
i
f
i
c
a
t
i
o
n
i
s
pe
r
f
o
r
m
e
d
to
c
l
a
s
s
if
y
e
m
o
t
i
o
n
s
by
s
e
l
e
c
t
i
n
g
t
h
e
d
i
f
f
e
r
e
n
t
s
ubj
e
c
t
s
r
a
n
do
m
ly
.
P
r
e
d
i
c
t
i
v
e
a
na
l
y
s
i
s
i
s
pe
r
f
o
r
m
e
d
o
n
r
e
a
l
-
t
i
m
e
da
t
a
f
o
r
e
m
o
t
i
o
n
pr
e
d
i
c
t
i
o
n
o
f
t
h
e
s
u
bj
e
c
t
.
I
n
t
h
e
r
e
s
t
o
f
t
h
e
pa
pe
r
,
r
e
l
a
t
e
d
s
t
udi
e
s
a
n
d
m
o
ti
va
t
i
o
n
a
r
e
d
i
s
c
us
s
e
d
i
n
s
e
c
t
i
o
n
2.
I
n
s
e
c
t
i
o
n
3,
m
e
t
h
o
do
l
o
g
y
,
a
n
d
i
n
s
e
c
t
i
o
n
4
e
x
pe
r
i
m
e
n
t
a
l
r
e
s
u
l
t
s
a
n
d
d
i
s
c
u
s
s
i
o
n
a
r
e
gi
v
e
n
.
S
e
c
t
i
o
n
5
c
o
v
e
r
s
t
h
e
c
o
n
c
l
u
s
i
o
n
a
n
d
f
ut
ur
e
di
r
e
c
t
i
o
ns
.
2.
RE
L
AT
E
D
S
T
UD
I
E
S
Ay
a
t
a
e
t
al
.
[
15]
us
e
d
t
i
m
e
do
m
a
i
n
,
wa
v
e
l
e
t
,
a
n
d
e
m
p
i
r
i
c
a
l
m
o
de
de
c
o
m
po
s
i
t
i
o
n
a
s
pe
c
t
s
o
f
GSR
s
i
g
na
l
s
t
o
i
de
n
t
i
f
y
e
m
o
t
i
o
n
s
.
Us
i
ng
K
-
n
e
a
r
e
s
t
n
e
ighb
o
r
(
K
NN
)
,
de
c
i
s
i
o
n
t
r
e
e
(
DT
)
,
r
a
n
do
m
f
o
r
e
s
t
(
R
F
)
,
a
nd
s
uppo
r
t
v
e
c
to
r
m
a
c
hi
ne
(
S
VM
)
a
l
go
r
i
t
hm
s
e
m
o
t
i
o
n
s
a
r
e
c
l
a
s
s
i
f
i
e
d.
T
h
e
a
c
c
ur
a
c
y
r
a
t
e
s
f
o
r
a
r
ous
a
l
a
n
d
v
a
l
e
n
c
e
we
r
e
81.
81%
a
n
d
89.
29%
,
r
e
s
pe
c
t
i
v
e
ly
us
i
n
g
t
h
e
R
F
c
l
a
s
s
i
f
i
e
r
.
S
a
n
t
a
m
a
r
i
a
-
Gr
a
n
a
do
s
e
t
al.
[
16]
pr
o
p
o
s
e
d
a
m
e
t
h
o
d
to
c
l
a
s
s
if
y
e
m
o
t
i
o
n
s
o
n
t
h
e
A
M
I
GO
S
da
t
a
s
e
t
.
I
n
t
hi
s
s
t
ud
y
,
40
pa
r
t
i
c
i
pa
n
t
s
a
r
e
c
o
n
s
i
d
e
r
e
d
a
n
d
E
C
G,
GSR
f
e
a
t
ur
e
s
a
r
e
us
e
d.
De
e
p
c
o
n
v
o
l
ut
i
o
n
a
l
ne
t
wor
ks
a
c
hi
e
ve
d
71%
a
n
d
75%
a
c
c
ur
a
c
y
f
o
r
a
r
o
us
a
l
a
n
d
v
a
l
e
n
c
e
c
l
a
s
s
e
s
.
K
o
m
ur
o
e
t
al
.
[
17]
pr
o
p
o
s
e
d
a
s
y
s
t
e
m
t
o
r
e
c
o
gni
z
e
i
nd
i
v
i
dua
l
e
m
o
t
i
o
n
s
us
i
ng
e
nvi
r
o
nm
e
n
t
a
l
,
s
k
i
n
t
e
m
p
e
r
a
t
ur
e
a
n
d
pu
l
s
e
s
e
ns
o
r
s
.
T
h
r
e
e
m
a
c
hi
ne
l
e
a
r
ni
n
g
(
M
L
)
m
o
de
l
s
S
VM
,
KN
N,
a
n
d
RF
a
r
e
us
e
d
w
i
t
h
a
n
a
c
c
ur
a
c
y
o
f
74.
7%
,
82
.
1%
,
a
n
d
86.
7%
r
e
s
pe
c
t
i
ve
l
y
.
S
e
n
a
n
d
P
a
l
[
18]
c
o
n
duc
t
e
d
a
s
t
udy
us
i
n
g
E
M
G
a
n
d
GSR
s
e
n
s
o
r
s
f
o
r
pa
i
n
a
s
s
e
s
s
m
e
n
t
o
n
t
h
e
B
i
o
V
i
d
da
t
a
b
a
s
e
.
T
h
r
e
e
M
L
t
e
c
hni
qu
e
s
D
T
,
l
i
ne
a
r
s
uppo
r
t
v
e
c
to
r
m
a
c
hi
ne
(
L
S
VM
)
,
a
n
d
l
o
g
i
s
t
i
c
r
e
gr
e
s
s
i
o
n
(
L
R
)
a
r
e
i
m
p
l
e
m
e
n
t
e
d
to
e
s
t
i
m
a
t
e
t
h
e
l
e
v
e
l
o
f
pa
i
n
.
L
R
a
c
hi
e
v
e
d
80%
a
c
c
ur
a
c
y
w
hil
e
L
S
VM
a
n
d
DT
a
c
hi
e
ve
d
73.
8%
a
n
d
76.
2%
r
e
s
pe
c
t
i
v
e
ly
.
C
h
ue
h
e
t
al.
[
19]
a
n
a
ly
z
e
d
t
h
e
da
t
a
r
e
l
a
t
e
d
to
E
C
G,
s
ki
n
t
e
m
p
e
r
a
t
ur
e
v
a
r
i
a
t
i
o
n
(
S
K
T
)
,
a
n
d
GSR
u
s
i
ng
M
A
NO
V
A
a
n
d
s
i
x
M
L
m
e
t
h
o
ds
K
NN
,
B
a
y
e
s
i
a
n
n
e
t
wo
r
k
l
e
a
r
ni
ng,
S
VM
,
l
o
g
i
s
t
i
c
m
o
de
l
,
DT
o
f
C
4.
5,
a
n
d
Na
i
ve
B
a
y
e
s
i
a
n
c
l
a
s
s
if
i
c
a
t
i
o
n
a
r
e
us
e
d
t
o
pr
e
di
c
t
e
m
o
t
i
o
n
s
.
L
o
g
i
s
t
i
c
m
o
de
l
a
c
hi
e
v
e
d
74.
76%
a
c
c
ur
a
c
y
.
F
o
r
a
u
to
m
a
t
i
c
e
m
o
t
i
o
n
r
e
c
o
gni
t
i
o
n
Kim
a
n
d
An
dr
´
[
20]
c
o
n
s
i
de
r
e
d
phy
s
io
l
o
g
i
c
a
l
f
e
a
t
ur
e
s
i
.
e
.
,
E
C
G,
E
M
G,
S
ki
n
c
o
n
duc
t
a
n
c
e
,
a
nd
r
e
s
p
i
r
a
t
i
o
n
.
Af
t
e
r
t
h
e
e
x
t
r
a
c
t
i
o
n
o
f
f
e
a
t
ur
e
s
us
i
n
g
p
s
e
udo
i
nv
e
r
s
e
L
D
A
(
pL
D
A
)
,
a
n
e
m
o
t
i
o
n
-
s
pe
c
i
f
i
c
m
u
l
t
i
l
e
ve
l
d
i
c
h
o
to
m
o
us
c
l
a
s
s
i
f
i
c
a
t
i
o
n
(
E
M
DC
)
s
c
he
m
e
i
s
us
e
d
to
c
l
a
s
s
if
y
f
o
ur
m
us
i
c
a
l
e
m
o
t
i
o
n
s
.
T
h
e
E
M
DC
s
c
h
e
m
e
a
c
hi
e
v
e
d
70%
a
c
c
ur
a
c
y
f
o
r
a
l
l
s
u
bj
e
c
t
s
.
S
o
l
e
ym
a
ni
e
t
al.
[
21]
us
e
d
t
h
e
A
NO
V
A
t
e
s
t
to
a
n
a
ly
z
e
t
h
e
e
m
o
t
i
o
n
s
dur
i
n
g
m
o
vi
e
s
c
e
ne
s
us
i
ng
phy
s
i
o
l
o
g
i
c
a
l
s
i
g
n
a
l
s
c
a
pt
ur
e
d
f
r
o
m
E
C
G,
E
M
G,
t
e
m
pe
r
a
t
ur
e
,
r
e
s
p
i
r
a
t
i
o
n
a
n
d
GSR
.
T
h
e
a
ut
h
o
r
c
o
n
c
l
ude
d
t
h
a
t
M
A
NO
V
A
a
n
d
l
o
g
i
s
t
i
c
r
e
gr
e
s
s
i
o
n
s
i
g
nif
i
c
a
n
t
l
y
im
pr
o
v
e
t
h
e
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
I
S
S
N:
2252
-
8776
R
e
al
-
ti
me
e
motion
pr
e
diction
s
y
s
tem
us
ing
big
dat
a
analytics
(
M
anpr
e
e
t
K
aur
Dhali
w
al
)
871
pe
r
f
o
r
m
a
n
c
e
o
f
t
h
e
s
y
s
t
e
m
.
F
o
r
t
h
e
s
a
f
e
t
y
o
f
wom
e
n
a
n
d
c
hil
dr
e
n
Ali
s
ha
e
t
al.
[
22]
,
pr
o
p
o
s
e
d
a
n
I
oT
-
b
a
s
e
d
we
a
r
a
bl
e
de
vi
c
e
us
i
ng
L
M
35,
E
DA
,
a
n
d
a
3
-
a
x
i
s
a
c
c
e
l
e
r
o
m
e
t
e
r
.
T
h
e
da
t
a
i
s
c
o
l
l
e
c
t
e
d
f
r
o
m
50
s
ubj
e
c
t
s
r
e
pr
e
s
e
n
t
i
n
g
t
w
o
c
l
a
s
s
e
s
‘
s
t
r
e
s
s
e
d
’
a
n
d
‘
r
e
l
a
x
e
d
’
.
T
hi
n
gS
pe
a
k
c
l
o
ud
r
e
c
e
i
ve
s
a
n
d
m
o
ni
t
o
r
s
t
h
e
s
e
ns
o
r
s
'
da
t
a
c
o
n
t
i
n
uo
us
l
y
.
I
f
s
u
bj
e
c
t
s
a
r
e
s
tr
e
s
s
e
d,
a
c
t
i
vi
t
y
i
s
r
e
c
o
gni
z
e
d
a
n
d
a
n
a
l
e
r
t
i
s
s
e
n
t
to
t
h
e
c
a
r
e
t
a
ke
r
i
n
r
e
a
l
-
t
i
m
e
.
M
L
i
s
a
pp
l
i
e
d
o
nly
t
o
a
c
t
i
vi
t
y
da
t
a
b
ut
a
c
t
i
vi
t
i
e
s
a
r
e
o
nl
y
r
e
c
o
gni
z
e
d
w
h
e
n
a
pe
r
s
o
n
i
s
s
t
r
e
s
s
e
d.
M
oh
a
m
a
d
e
t
al.
[
23]
p
r
o
p
o
s
e
d
a
n
I
o
T
-
c
l
o
ud
-
b
a
s
e
d
s
y
s
t
e
m
t
h
a
t
e
m
p
l
o
y
e
d
p
r
i
n
c
i
pa
l
c
o
m
po
n
e
n
t
a
n
a
l
y
s
i
s
(
P
C
A
)
a
l
go
r
i
t
hm
f
o
r
c
l
a
s
s
i
f
yi
ng
h
e
a
r
t
s
i
g
n
a
l
s
r
e
c
e
i
ve
d
f
r
o
m
s
e
n
s
o
r
s
.
T
h
o
m
a
s
e
t
al.
[
24]
us
e
d
L
M
35
s
e
n
s
o
r
to
m
o
ni
t
o
r
t
h
e
t
e
m
pe
r
a
t
ur
e
o
f
t
h
e
b
o
d
y
c
o
nn
e
c
t
i
n
g
t
o
t
h
e
A
r
du
in
o
b
o
a
r
d.
S
a
h
a
e
t
al.
[
25
]
de
s
i
g
ne
d
a
pr
otot
y
pe
us
i
n
g
a
DS18B
20
t
e
m
pe
r
a
t
ur
e
s
e
n
s
o
r
t
h
a
t
i
s
c
o
n
n
e
c
t
e
d
to
a
b
o
a
r
d
us
i
n
g
Z
i
g
b
e
e
t
e
c
h
n
o
l
o
g
y
to
p
r
o
vi
de
vi
t
a
l
he
a
l
t
h
i
n
f
o
r
m
a
t
i
o
n
to
t
h
e
pe
r
s
o
n
i
n
r
e
a
l
-
t
i
m
e
a
f
t
e
r
a
n
a
l
yz
i
n
g
t
h
e
da
t
a
.
T
h
e
r
e
s
ul
t
s
o
b
t
a
i
n
e
d
f
r
o
m
t
h
e
pr
otot
y
pe
a
r
e
s
a
t
i
s
f
a
c
t
or
y
a
s
t
h
e
r
e
s
e
a
r
c
h
e
r
v
a
li
da
t
e
d
i
t
us
i
n
g
t
he
t
r
a
di
t
i
o
n
a
l
t
he
r
m
o
m
e
t
e
r
to
c
o
m
pa
r
e
t
h
e
r
e
s
u
l
t
s
.
An
a
n
d
h
a
n
d
I
n
d
i
r
a
ni
[
26]
us
e
d
L
M
35
a
n
d
A
d8232
s
e
ns
o
r
s
to
c
o
l
l
e
c
t
t
h
e
da
t
a
,
c
o
l
l
e
c
t
e
d
s
i
g
n
a
l
s
a
r
e
t
h
e
n
t
r
a
n
s
f
e
r
r
e
d
to
t
h
e
T
hi
n
gS
pe
a
k
c
l
o
ud
us
i
ng
a
n
E
S
P
8266
W
i
-
F
i
m
o
du
l
e
.
R
a
hi
m
o
o
n
e
t
al.
[
27]
us
e
d
2
t
e
m
pe
r
a
t
ur
e
s
e
ns
o
r
s
(
L
M
35
a
n
d
M
L
X
-
90614)
f
o
r
c
o
n
t
i
n
uo
us
m
o
ni
t
o
r
i
n
g
o
f
b
o
d
y
t
e
m
p
e
r
a
t
ur
e
i
n
r
e
a
l
l
if
e
.
Nduka
e
t
al.
[
28]
de
s
i
g
n
e
d
a
s
y
s
t
e
m
f
o
r
m
o
ni
t
o
r
i
n
g
vi
t
a
l
s
i
g
n
s
o
f
t
h
e
h
u
m
a
n
b
o
d
y
i
n
r
e
a
l
-
t
i
m
e
.
T
h
e
t
e
m
pe
r
a
t
ur
e
,
He
a
r
t
r
a
t
e
,
a
n
d
r
e
s
p
i
r
a
t
i
o
n
o
f
a
pe
r
s
o
n
a
r
e
d
i
s
p
l
a
y
e
d
o
n
t
h
e
us
e
r
’
s
a
s
we
l
l
a
s
t
h
e
p
hy
s
i
c
i
a
n's
s
y
s
t
e
m
t
o
pr
o
vi
de
e
mer
ge
n
c
y
t
r
e
a
t
m
e
n
t
.
T
h
e
t
e
m
pe
r
a
t
ur
e
r
e
c
e
i
v
e
d
f
r
o
m
t
h
e
s
e
ns
o
r
i
s
a
l
s
o
c
o
m
pa
r
e
d
w
i
t
h
t
h
e
t
e
m
pe
r
a
t
ur
e
r
e
a
di
ngs
t
a
ke
n
f
r
o
m
O
m
r
o
n
d
i
g
i
t
a
l
t
e
m
pe
r
a
t
ur
e
.
T
h
e
r
e
s
u
l
t
s
pr
o
v
e
t
h
a
t
t
h
e
pr
o
p
o
s
e
d
s
y
s
t
e
m
pr
o
vi
d
e
s
t
h
e
r
e
a
d
i
ngs
a
c
c
ur
a
t
e
l
y
.
As
t
h
e
L
M
35
s
e
n
s
o
r
h
a
s
b
e
e
n
u
s
e
d
s
uc
c
e
s
s
f
u
ll
y
.
T
hi
s
s
e
n
s
o
r
i
s
us
e
d
i
n
t
hi
s
s
t
ud
y
t
oo
f
o
r
r
e
a
l
-
t
i
m
e
a
na
l
y
s
i
s
o
n
t
h
e
c
l
o
ud.
I
n
t
hi
s
s
t
ud
y
,
J
a
m
e
il
a
n
d
Al
-
R
a
we
s
hi
d
y
[
29]
e
m
p
l
o
y
e
d
a
s
t
a
t
e
-
of
-
t
h
e
-
a
r
t
t
e
c
h
n
o
l
o
g
y
c
a
ll
e
d
a
d
i
g
i
t
a
l
t
wi
n
to
tr
a
c
k
a
n
d
i
de
n
t
i
f
y
a
pe
r
s
o
n
's
di
a
b
e
t
i
c
s
t
a
tus
t
h
r
o
ugh
c
l
o
ud
c
o
m
put
i
n
g.
A
dd
i
t
i
o
na
l
ly
,
i
t
i
n
c
o
r
p
or
a
t
e
s
a
n
o
m
a
ly
d
e
t
e
c
t
i
o
n
a
n
d
s
e
c
ur
e
da
t
a
tr
a
n
s
f
e
r
t
e
c
hniques
.
Us
i
n
g
a
n
E
S
P
8266
m
o
du
l
e
l
i
nke
d
to
M
A
X3
0102
a
n
d
M
L
X90614
s
e
ns
o
r
s
,
b
o
dy
t
e
m
pe
r
a
t
ur
e
(
B
T
)
,
S
P
O
2,
a
n
d
HR
f
e
a
t
ur
e
da
t
a
we
r
e
s
e
n
t
to
t
h
e
c
l
o
ud.
Ov
e
r
a
l
l
,
t
he
s
t
udy
's
a
c
c
ur
a
c
y
wa
s
98.
9%
,
i
t
s
r
e
a
l
-
t
i
m
e
a
c
c
ur
a
c
y
w
a
s
95.
4%
,
a
n
d
i
t
s
F
1
s
c
o
r
e
o
n
r
e
a
l
-
t
i
m
e
a
n
a
ly
s
i
s
wa
s
98.
4%
.
P
a
pr
i
e
t
al.
[
30]
c
r
e
a
t
e
d
a
n
o
n
-
i
nv
a
s
iv
e
d
i
a
b
e
t
e
s
de
t
e
c
t
i
o
n
s
y
s
t
e
m
us
i
ng
AW
S
f
o
r
r
e
a
l
-
t
i
m
e
ph
o
to
pl
e
t
hy
s
m
o
gr
a
p
hy
(
P
P
G)
s
i
g
n
a
l
da
t
a
a
n
a
ly
s
i
s
.
T
h
e
XG
b
o
o
s
t
m
o
de
l
a
n
a
ly
z
e
s
P
P
G
s
i
g
na
l
s
o
n
th
e
AW
S
c
l
o
ud
pl
a
t
f
o
r
m
to
f
o
r
e
c
a
s
t
di
a
b
e
t
e
s
i
l
l
ne
s
s
i
n
r
e
a
l
t
i
m
e
.
He
r
e
,
M
L
m
o
de
l
s
we
r
e
t
r
a
i
n
e
d
i
n
P
y
t
h
o
n
us
i
n
g
t
wo
d
i
s
t
i
n
c
t
da
t
a
s
e
t
s
,
M
a
z
a
n
da
r
a
n
a
n
d
P
P
G
-
B
P
.
T
h
e
m
o
de
l
s
we
r
e
t
h
e
n
de
p
l
o
y
e
d
i
n
t
h
e
c
l
o
ud
f
o
r
t
h
e
bi
n
a
r
y
c
l
a
s
s
if
i
c
a
t
i
o
n
o
f
d
i
a
be
t
i
c
o
r
n
o
n
-
d
i
a
b
e
t
i
c
c
l
a
s
s
e
s
,
a
n
d
a
w
e
b
a
pp
li
c
a
t
i
o
n
wa
s
c
r
e
a
t
e
d
us
i
n
g
t
h
e
F
l
a
s
k
A
P
I
to
s
h
o
w
a
pe
r
s
o
n
'
s
d
i
a
be
t
i
c
c
o
n
d
i
t
i
o
n
.
B
y
us
i
n
g
XG
boo
s
t
,
87.
88
%
a
c
c
ur
a
c
y
a
n
d
93.
75%
r
e
c
a
l
l
we
r
e
a
tt
a
i
n
e
d
o
n
t
h
e
P
P
G
-
B
P
da
t
a
s
e
t
a
n
d
90%
a
c
c
ur
a
c
y
a
n
d
75%
r
e
c
a
l
l
we
r
e
a
tt
a
i
ne
d
o
n
t
h
e
M
a
z
a
n
da
r
a
n
da
t
a
s
e
t
.
A
r
e
a
l
-
t
i
m
e
c
l
o
ud
-
b
a
s
e
d
m
e
t
h
o
d
f
o
r
di
a
g
n
o
s
i
ng
a
th
e
r
o
s
c
l
e
r
o
s
i
s
wa
s
c
r
e
a
t
e
d
by
t
h
e
B
a
b
u
e
t
al.
[
31
]
.
K
NN
a
n
d
K
-
m
e
a
ns
c
l
u
s
t
e
r
i
n
g
(
K
M
C
)
we
r
e
us
e
d
to
tr
a
i
n
t
h
e
s
ugge
s
t
e
d
s
y
s
t
e
m
a
f
t
e
r
t
h
e
da
t
a
s
e
t
f
r
o
m
300
pa
t
i
e
n
t
s
wa
s
ga
t
h
e
r
e
d
us
i
n
g
a
n
An
dr
o
i
d
a
pp
li
c
a
t
i
o
n
.
He
r
e
,
K
NN
pe
r
f
o
r
m
s
b
e
t
t
e
r
t
h
a
n
K
M
C
,
wi
t
h
91%
s
pe
c
i
f
i
c
i
t
y
a
n
d
87%
a
c
c
ur
a
c
y
.
T
hi
s
pr
o
p
o
s
e
d
s
y
s
t
e
m
c
o
n
t
i
n
uo
us
l
y
ga
t
he
r
s
h
e
a
l
t
h
da
t
a
us
i
n
g
c
l
o
ud
c
om
put
i
n
g
t
e
c
h
n
o
l
o
g
i
e
s
a
n
d
No
S
QL
da
t
a
b
a
s
e
s
.
I
n
t
h
e
a
pp
s
tep,
s
ubj
e
c
t
s
c
a
n
ut
i
l
i
z
e
t
h
e
m
o
bil
e
a
pp
to
vi
e
w
t
h
e
i
r
us
a
ge
r
e
por
t
s
.
Ha
m
z
e
h
e
i
e
t
al.
[
32]
s
t
udy
'
s
m
a
i
n
t
o
pi
c
s
i
nc
l
ude
M
L
t
e
c
hni
que
s
a
n
d
P
a
r
k
i
ns
o
n's
d
i
s
e
a
s
e
.
M
oto
r
i
s
t
h
e
m
o
s
t
s
i
g
nif
i
c
a
n
t
pr
e
d
i
c
t
or
o
f
t
h
e
t
ot
a
l
u
nif
i
e
d
P
a
r
k
i
n
s
o
n'
s
d
i
s
e
a
s
e
R
a
t
i
n
g
S
c
a
l
e
,
a
c
c
o
r
di
n
g
t
o
t
h
e
a
n
a
ly
s
i
s
,
i
nd
i
c
a
t
i
n
g
t
h
e
i
m
po
r
t
a
n
c
e
o
f
m
o
v
e
m
e
n
t
-
r
e
l
a
t
e
d
s
y
m
pt
o
m
s
i
n
t
h
e
a
s
s
e
s
s
m
e
n
t
o
f
P
a
r
k
i
n
s
o
n's
d
i
s
e
a
s
e
.
T
h
e
s
t
ud
y
us
e
d
a
da
t
a
s
e
t
o
n
P
a
r
ki
ns
o
n'
s
d
i
s
e
a
s
e
f
r
o
m
t
h
e
U
C
I
r
vi
n
e
M
L
r
e
po
s
i
t
or
y
,
w
hi
c
h
wa
s
c
ur
a
t
e
d
by
U
ni
v
e
r
s
i
t
y
o
f
Oxf
o
r
d
a
c
a
de
m
i
c
s
,
a
n
d
a
pp
li
e
d
M
L
t
e
c
hni
que
s
to
i
t
.
T
h
e
o
p
t
i
m
u
m
c
o
e
f
f
i
c
i
e
n
t
o
f
de
t
e
r
m
i
na
t
i
o
n
wa
s
f
o
un
d
us
i
n
g
t
h
e
A
da
m
o
p
t
i
mi
z
a
t
i
o
n
a
l
go
r
i
t
hm
,
w
hi
c
h
wa
s
o
n
e
o
f
f
o
ur
l
i
ne
a
r
r
e
gr
e
s
s
i
o
n
t
e
c
hni
que
s
us
e
d:
l
e
a
s
t
l
i
ne
a
r
r
e
gr
e
s
s
i
o
n
,
c
o
nj
uga
t
e
gr
a
d
i
e
n
t
,
r
i
dge
r
e
gr
e
s
s
i
o
n
,
a
n
d
A
da
m
o
pt
i
m
i
z
a
t
i
o
n
.
T
h
e
c
l
o
ud
-
b
a
s
e
d
P
y
t
ho
n
c
o
de
e
x
e
c
ut
i
o
n
t
oo
l
i
s
Go
o
gl
e
C
o
l
a
b
.
W
a
n
g
e
t
al.
[
33]
s
ugge
s
t
a
He
a
l
t
hA
I
o
T
f
r
a
m
e
wo
r
k
t
h
a
t
us
e
s
pr
o
v
e
n
M
L
a
l
go
r
i
t
hm
s
,
s
u
c
h
a
s
r
a
n
do
m
f
o
r
e
s
t
a
n
d
l
o
g
i
s
t
i
c
r
e
gr
e
s
s
i
o
n
,
to
de
t
e
c
t
di
a
b
e
t
e
s
.
T
h
e
C
D
C
'
s
D
i
a
b
e
t
e
s
He
a
l
t
h
I
n
d
i
c
a
t
o
r
s
Da
t
a
s
e
t
i
s
us
e
d
i
n
t
h
e
s
t
udy
.
T
h
e
r
e
a
r
e
253,
680
pa
r
t
i
c
i
pa
n
t
r
e
c
o
r
ds
i
n
t
h
e
da
t
a
s
e
t.
P
r
e
di
c
t
i
ve
a
na
l
y
s
i
s
a
n
d
o
n
go
i
n
g
he
a
l
t
h
c
a
r
e
m
o
ni
t
o
r
i
n
g
a
r
e
s
uppo
r
t
e
d
by
a
d
va
n
c
e
d
M
L
a
l
go
r
i
thm
s
.
On
t
e
s
t
da
t
a
,
t
h
e
di
a
b
e
t
e
s
pr
e
di
c
t
i
o
n
m
o
de
l
's
o
v
e
r
a
ll
a
c
c
ur
a
c
y
i
s
78.
30%
.
I
t
de
p
l
o
y
s
a
s
s
e
s
s
m
e
n
t
s
us
i
n
g
C
l
o
udA
I
B
u
s
o
n
t
h
e
Goo
gl
e
C
l
o
ud
P
l
a
t
f
o
r
m
.
An
A
I
-
ba
s
e
d
t
e
s
t
b
e
d
c
a
ll
e
d
C
l
o
ud
A
I
B
u
s
wa
s
c
r
e
a
t
e
d
to
e
n
ha
n
c
e
r
e
s
o
ur
c
e
di
s
t
r
i
b
ut
i
o
n
i
n
c
l
o
u
d
s
e
tt
i
n
g
s
.
I
n
t
e
r
m
s
o
f
e
x
e
c
ut
i
o
n
t
i
m
e
a
n
d
l
a
t
e
nc
y
,
i
t
pe
r
f
o
r
m
s
be
tt
e
r
t
h
a
n
F
e
dS
D
M
a
n
d
He
a
l
t
hF
o
g.
C
o
m
pa
r
e
d
to
He
a
l
t
hF
o
g,
t
h
e
f
r
a
m
e
wo
r
k
us
e
s
20.
11%
l
e
s
s
po
we
r
.
S
wa
i
n
e
t
al.
[
34]
s
ugge
s
t
e
d
u
t
i
l
i
z
i
ng
c
l
o
ud
c
o
m
put
i
ng
t
e
c
hn
o
l
o
g
i
e
s
a
n
d
s
e
n
s
o
r
s
(
h
u
mi
d
i
t
y
,
h
e
a
r
t
r
a
t
e
,
t
e
m
pe
r
a
t
ur
e
,
a
n
d
l
i
g
h
t
-
de
pe
n
d
e
n
t
r
e
s
i
s
t
or
s
)
to
c
r
e
a
t
e
a
di
g
i
t
a
l
t
w
i
n
f
o
r
e
m
o
t
i
o
n
a
l
we
ll
-
b
e
i
ng.
C
o
n
ne
c
t
e
d
to
t
h
e
s
e
s
e
n
s
o
r
s
,
a
m
i
c
r
o
c
o
n
t
r
o
l
l
e
r
uni
t
(
M
C
U)
,
l
i
ke
th
e
E
S
P
32
or
NO
DE
M
C
U,
s
e
r
v
e
s
a
s
t
h
e
c
e
n
t
r
a
l
l
o
c
a
t
i
o
n
f
o
r
ga
t
h
e
r
i
n
g
da
t
a
.
T
h
e
M
C
U
c
o
m
bi
ne
s
t
h
e
s
e
n
s
o
r
da
t
a
a
n
d
pr
e
pa
r
e
s
i
t
f
o
r
t
r
a
n
s
m
i
s
s
i
o
n
to
t
h
e
c
l
o
ud.
An
AW
S
E
C
2
i
ns
t
a
n
c
e
a
c
t
i
n
g
a
s
a
s
e
r
v
e
r
r
e
c
e
i
v
e
s
t
h
e
da
t
a
s
a
f
e
ly
.
He
a
r
t
r
a
t
e
a
n
d
e
n
vi
r
o
nm
e
n
t
a
l
da
t
a
a
r
e
a
n
a
ly
z
e
d
by
M
L
m
o
de
l
s
s
u
c
h
a
s
r
i
dge
r
e
gr
e
s
s
i
o
n
,
l
i
ne
a
r
r
e
gr
e
s
s
i
o
n
,
a
n
d
r
a
n
do
m
f
o
r
e
s
t
r
e
gr
e
s
s
or
.
F
or
b
ot
h
i
ndoo
r
a
n
d
o
u
t
d
oo
r
s
e
tt
i
n
g
s
,
e
a
c
h
m
o
de
l
wa
s
t
r
a
i
n
e
d
i
n
de
p
e
n
de
n
t
l
y
.
S
e
n
s
o
r
da
t
a
f
r
o
m
t
e
m
pe
r
a
t
ur
e
,
h
u
m
i
d
i
t
y
,
a
n
d
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2252
-
8776
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
,
Vo
l
.
15
,
N
o.
2
,
J
un
e
20
26
:
869
-
879
872
b
r
i
g
h
t
n
e
s
s
i
n
r
e
l
a
t
i
o
n
t
o
h
e
a
r
t
r
a
t
e
a
r
e
i
n
c
l
ude
d
i
n
t
h
e
da
t
a
s
e
t
.
I
t
i
s
c
o
n
c
l
ude
d
t
h
a
t
i
n
i
n
do
o
r
t
e
m
p
e
r
a
t
u
r
e
a
n
d
i
n
o
u
t
d
oo
r
h
u
m
i
d
i
t
y
i
s
t
h
e
m
o
s
t
i
nf
l
ue
n
t
i
a
l
f
a
c
t
o
r
i
n
he
a
r
t
r
a
t
e
pr
e
di
c
t
i
o
n
s
.
As
s
h
o
wn
i
n
T
a
bl
e
1,
i
n
m
o
s
t
o
f
t
h
e
s
t
udi
e
s
,
o
wn
da
t
a
s
e
t
i
s
c
o
l
l
e
c
t
e
d
f
o
r
e
x
pe
r
i
m
e
n
t
s
i
n
c
o
n
t
r
a
s
t
to
[
15]
,
[
16]
,
[
18]
,
[
21]
,
[
33]
.
W
o
r
ke
d
o
n
c
l
o
ud
s
tor
a
ge
a
n
d
r
e
a
l
-
t
i
m
e
a
na
ly
t
i
c
s
.
pe
r
f
o
r
m
e
d
s
t
a
t
i
s
t
i
c
a
l
a
n
a
ly
s
i
s
us
i
n
g
t
h
e
A
NO
V
A
pa
r
a
m
e
t
r
i
c
t
e
s
t
[
22]
,
[
23]
,
[
29
]
,
[
30]
,
[
31]
,
[
33]
,
[
34]
.
Ay
a
t
a
e
t
al.
[
15]
a
c
hi
e
v
e
d
t
h
e
hi
g
h
e
s
t
a
c
c
ur
a
c
y
o
f
89.
29%
us
i
n
g
t
h
e
R
F
c
l
a
s
s
i
f
i
e
r
f
o
r
e
m
o
t
i
o
n
da
t
a
s
e
t,
wh
e
r
e
a
s
[
29]
a
c
hi
e
v
e
d
95.
4%
a
c
c
ur
a
c
y
w
i
t
h
M
L
P
a
n
d
XG
b
o
o
s
t
o
n
t
h
e
Di
a
be
t
i
c
da
t
a
s
e
t
i
n
r
e
a
l
-
t
i
m
e
.
A
s
c
o
m
p
a
r
e
to
[
29
]
o
u
r
s
t
udy
i
s
a
c
hi
e
vin
g
100%
a
c
c
ur
a
c
y
o
n
bi
na
r
y
c
l
a
s
s
if
i
c
a
t
i
o
n
a
n
d
o
n
m
u
l
t
i
c
l
a
s
s
i
f
i
c
a
t
i
o
n
80.
64%
i
s
a
c
hi
e
v
e
d.
I
n
[
16]
,
o
nl
y
t
wo
e
m
o
t
i
o
n
s
a
r
e
c
l
a
s
s
i
f
i
e
d
a
n
d
81%
a
c
c
ur
a
c
y
i
s
a
c
hi
e
ve
d
f
o
r
o
n
ly
t
he
a
r
o
us
a
l
c
l
a
s
s
o
f
E
C
G
s
e
ns
o
r
da
t
a
.
O
t
h
e
r
w
i
s
e
f
o
r
GSR
i
n
a
r
o
us
a
l
a
n
d
va
l
e
n
c
e
,
i
t
i
s
a
c
hi
e
vi
ng
71%
a
n
d
75
%
a
c
c
ur
a
c
y
us
i
ng
D
C
NN
.
A
b
e
n
c
hm
a
r
k
da
t
a
s
e
t
o
f
bi
g
s
i
z
e
i
s
us
e
d
[
15]
,
[
16
]
,
[
18
]
,
[
33]
.
K
o
m
ur
o
e
t
al
.
[
17]
,
a
r
o
us
a
l
a
n
d
v
a
l
e
nc
e
a
r
e
d
i
vi
de
d
i
n
t
o
f
o
ur
c
l
a
s
s
e
s
,
a
n
d
us
i
ng
R
F
i
t
i
s
a
c
hi
e
vi
ng
86.
7%
a
c
c
ur
a
c
y
.
T
h
e
s
t
ud
y
c
l
a
s
s
if
i
e
d
f
o
ur
c
l
a
s
s
e
s
us
i
n
g
o
nl
y
t
wo
f
e
a
t
ur
e
s
a
n
d
e
nvi
r
o
nm
e
n
t
a
l
f
a
c
t
or
s
.
H
o
we
v
e
r
,
t
h
e
e
nvi
r
o
nm
e
n
t
a
l
f
a
c
t
o
r
s
m
i
g
h
t
n
ot
b
e
t
h
e
c
h
a
r
a
c
t
e
r
i
s
t
i
c
f
e
a
t
ur
e
s
f
o
r
pr
e
d
i
c
t
i
n
g
e
m
o
t
i
o
n
s
.
I
t
i
s
c
o
n
c
l
ude
d
f
r
o
m
T
a
bl
e
1
th
a
t
m
o
s
t
o
f
t
h
e
s
t
udi
e
s
a
r
e
pe
r
f
o
r
m
i
ng
bi
na
r
y
c
l
a
s
s
if
i
c
a
t
i
o
n
o
n
da
t
a
s
e
t
s
wh
e
r
e
a
s
i
n
t
hi
s
s
t
ud
y
,
bi
na
r
y
a
s
we
ll
a
s
m
u
l
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
w
i
t
h
s
i
x
c
l
a
s
s
e
s
i
s
pe
r
f
o
r
m
e
d
w
i
t
h
a
goo
d
a
c
c
ur
a
c
y
.
T
a
bl
e
1.
C
o
m
pa
r
i
s
o
n
o
f
e
xi
s
t
i
n
g
s
t
udi
e
s
R
e
f
.
S
e
ns
o
r
s
us
e
d
D
a
ta
s
e
t
us
e
d
M
a
c
hi
ne
l
e
a
r
ni
ng
mo
d
e
ls
H
ig
h
e
s
t
a
c
c
u
r
a
c
y
C
lo
ud /
bi
g
da
ta
a
na
ly
ti
c
s
N
o
of
s
ubj
e
c
ts
N
o
.
of
c
la
s
s
e
s
[
15]
G
S
R
D
E
A
P
S
V
M
, K
N
N
, R
F
, D
T
89.29%
No
32
2
[
16]
E
C
G
,
G
S
R
A
M
I
G
O
S
N
B
, K
N
N
,
L
D
A
,
M
ul
ti
la
y
e
r
pe
r
c
e
pt
r
o
n, A
da
b
oo
s
t,
R
F
, D
C
N
N
81%
No
40
2
[1
7]
P
ul
s
e
,
T
e
mp,
e
n
v
ir
o
nm
e
nt
a
l
s
e
ns
o
r
s
O
w
n da
ta
s
e
t
S
V
M
, K
N
N
, R
F
86.7%
No
10
4
[
18]
E
M
G
,
G
S
R
B
i
ov
id
P
a
in
da
ta
ba
s
e
L
S
V
M
,
L
R
, D
T
80%
No
90
2
[
19]
S
K
T
, G
S
R
,
E
C
G
O
w
n da
ta
s
e
t
C
4.5, B
a
y
e
s
ia
n N
e
t,
N
B
, S
V
M
, K
N
N
,
L
o
g
is
ti
c
74.76%
No
10
3
[
20]
S
C
E
C
G
,
E
M
G
, R
S
P
O
w
n da
ta
s
e
t
E
M
D
C
, pL
D
A
70%
No
3
4
[
21]
E
C
G
,
G
S
R
,
E
M
G
R
e
s
pi
r
a
ti
o
n,
T
e
mp
O
w
n da
ta
s
e
t
S
ta
ti
s
ti
c
a
l
A
na
l
y
s
is
ANOVA
S
ig
ni
f
i
c
a
nc
e
v
a
lu
e
l
e
s
s
th
a
n 0.005
No
8
2
[
22]
L
M
35, E
D
A
,
3
-
a
x
is
A
c
c
e
l
e
r
o
m
e
t
e
r
O
w
n da
ta
s
e
t
-
-
Y
e
s
50
-
[
29]
B
T
, S
P
O
2 a
nd
HR
M
I
M
I
C
-
I
I
I
D
a
ta
s
e
t
a
nd o
w
n da
ta
M
L
P
a
nd X
G
B
oo
s
t
95.4%
Y
e
s
20
2
[
30]
PPG
PPG
-
B
P
, M
a
z
a
nda
r
da
ta
s
e
t
a
nd o
w
n da
ta
S
V
M
, R
F
, X
G
B
oo
s
t
a
nd L
R
90%
o
n
M
a
z
a
nda
n
da
ta
s
e
t
Y
e
s
-
2
[
31]
-
O
w
n da
ta
s
e
t
K
N
N
, a
nd K
-
me
a
ns
c
lu
s
te
r
in
g
87%
Y
e
s
300
2
[
33]
-
C
D
C
'
s
D
ia
be
te
s
H
e
a
lt
h I
ndi
c
a
t
o
r
s
R
F
, L
R
78.30%
.
Y
e
s
253,680
2
[
34
]
H
umi
di
t
y
,
H
R
, l
ig
ht
de
p
e
nde
nt
r
e
s
is
to
r
s
,
T
e
mp,
O
w
n da
ta
s
e
t
R
F
r
e
gr
e
s
s
or
,
r
id
g
e
,
l
in
e
a
r
r
e
gr
e
s
s
io
n,
-
Y
e
s
12,377
r
o
w
s
2
O
ur
S
tu
d
y
G
S
R
,
L
M
-
35
O
w
n da
ta
s
e
t
E
ns
e
mbl
e
b
oo
s
te
d
T
r
e
e
,
K
N
N
, N
N
, N
B
,
S
V
M
, D
T
, A
nd Q
D
A
80.64%
100%
Y
e
s
12
6
2
I
n
t
h
e
c
ur
r
e
n
t
s
t
udy
,
a
f
r
a
m
e
wo
r
k
h
a
s
b
e
e
n
pr
o
p
os
e
d
f
o
r
c
l
a
s
s
if
yi
ng
e
m
o
t
i
o
n
us
i
n
g
bi
g
s
e
n
s
o
r
da
t
a
.
T
h
e
e
va
l
u
a
t
i
o
n
h
a
s
b
e
e
n
pe
r
f
o
r
m
e
d
to
c
l
a
s
s
if
y
s
ix
c
l
a
s
s
e
s
o
f
e
m
o
t
i
o
n
s
.
An
a
c
c
ur
a
c
y
o
f
80.
64%
h
a
s
b
e
e
n
a
c
hi
e
ve
d
o
n
m
u
l
t
i
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
n
d
100%
h
a
s
be
e
n
a
c
hi
e
v
e
d
o
n
bi
na
r
y
c
l
a
s
s
if
i
c
a
t
i
o
n
.
T
h
e
r
e
s
e
a
r
c
h
i
n
t
h
e
f
i
e
l
d
o
f
r
e
a
l
-
t
i
m
e
s
t
o
r
a
ge
a
n
d
a
n
a
ly
s
i
s
o
f
bi
g
e
m
o
t
i
o
n
s
d
a
t
a
i
s
s
t
i
ll
i
n
a
n
a
s
c
e
n
t
s
t
a
ge
.
H
o
we
v
e
r
,
t
h
e
a
ppl
i
c
a
t
i
o
n
s
a
r
e
h
uge
i
nc
l
ud
i
ng
i
de
n
t
i
f
i
c
a
t
i
o
n
o
f
s
t
r
e
s
s
a
n
d
a
nxi
e
t
y
i
n
s
t
ude
n
t
s
,
s
po
r
t
s
pe
r
s
o
n
s
,
d
i
s
a
b
l
e
d
o
r
vi
s
ua
ll
y
i
m
pa
i
r
e
d
pe
r
s
o
n
s
a
n
d
e
l
de
r
ly
pe
o
p
l
e
,
a
n
d
h
u
m
a
n
-
c
o
m
put
e
r
i
n
t
e
r
a
c
t
i
o
n
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
I
S
S
N:
2252
-
8776
R
e
al
-
ti
me
e
motion
pr
e
diction
s
y
s
tem
us
ing
big
dat
a
analytics
(
M
anpr
e
e
t
K
aur
Dhali
w
al
)
873
3.
RE
S
E
AR
CH
M
E
T
HO
D
T
h
e
pr
o
p
o
s
e
d
f
r
a
m
e
wo
r
k
h
a
s
t
wo
l
a
y
e
r
s
:
B
i
g
da
t
a
m
a
n
a
ge
m
e
n
t
l
a
y
e
r
a
n
d
B
i
g
da
t
a
An
a
ly
t
i
c
s
l
a
y
e
r
.
T
h
e
f
r
a
m
e
wo
r
k
i
s
s
h
o
w
n
i
n
F
i
gur
e
1.
I
n
t
h
e
pr
o
p
o
s
e
d
de
s
i
g
n
,
t
h
e
we
a
r
a
bl
e
s
(
GSR
a
n
d
L
M
35
s
e
n
s
o
r
s
)
da
t
a
a
r
e
tr
a
n
s
f
e
r
r
e
d
to
t
h
e
c
l
o
ud
us
i
n
g
a
W
i
F
i
m
o
du
l
e
.
T
h
e
c
l
o
ud
da
t
a
a
r
e
us
e
d
by
t
h
e
s
ugg
e
s
t
e
d
f
r
a
m
e
wo
r
k
f
o
r
pr
o
c
e
s
s
i
n
g
a
n
d
c
l
a
s
s
i
f
yi
ng
i
n
r
e
a
l
-
t
i
m
e
.
T
h
e
bi
g
d
a
t
a
o
u
t
l
i
e
r
s
a
r
e
e
l
im
i
na
t
e
d
a
s
pa
r
t
o
f
t
h
e
pr
e
pr
o
c
e
s
s
i
n
g
a
n
d
t
h
e
da
t
a
a
r
e
t
h
e
n
i
m
po
r
t
e
d
i
n
t
o
M
A
T
L
A
B
f
o
r
f
ur
t
h
e
r
pr
o
c
e
s
s
i
n
g.
3.
1
.
B
ig
d
a
t
a
m
an
age
m
e
n
t
I
n
t
hi
s
l
a
y
e
r
,
s
e
n
s
o
r
's
da
t
a
a
r
e
r
e
a
d
a
n
d
tr
a
n
s
f
e
r
r
e
d
to
t
h
e
c
l
o
ud
f
o
r
s
to
r
a
ge
.
T
h
e
l
a
y
e
r
c
o
n
s
i
s
t
s
o
f
s
e
n
s
o
r
s
,
m
o
du
l
e
s
,
m
i
c
r
o
c
o
n
t
r
o
l
l
e
r
s
,
a
n
d
s
t
or
a
ge
uni
t
s
.
T
h
e
ga
l
va
ni
c
s
k
i
n
r
e
s
po
n
s
e
(
GSR
)
s
e
n
s
o
r
i
s
a
de
vi
c
e
t
h
a
t
ga
uge
s
t
h
e
s
k
i
n'
s
e
l
e
c
t
r
i
c
a
l
c
o
n
duc
t
a
nc
e
.
I
t
t
r
a
c
ks
a
l
t
e
r
a
t
i
o
ns
i
n
t
h
e
a
uto
n
o
m
i
c
n
e
r
v
e
s
y
s
t
e
m
,
whi
c
h
e
n
c
o
m
pa
s
s
e
s
l
e
ve
l
s
o
f
s
t
r
e
s
s
,
m
e
n
t
a
l
s
t
a
t
e
,
a
n
d
phy
s
i
c
a
l
e
x
c
i
t
e
m
e
n
t
.
T
h
e
t
e
m
pe
r
a
t
ur
e
s
e
ns
o
r
L
M
35
h
a
s
a
t
e
m
pe
r
a
t
ur
e
m
e
a
s
ur
i
ng
r
a
n
ge
o
f
-
50°C
to
150°
C
a
nd
a
n
o
pe
r
a
t
i
n
g
v
o
l
t
a
ge
o
f
4
V
to
30
V.
T
h
e
G
S
R
s
e
n
s
o
r
i
s
p
l
a
c
e
d
i
n
t
h
e
f
i
r
s
t
tw
o
f
i
n
ge
r
s
o
f
th
e
r
i
gh
t
h
a
n
d
o
f
t
h
e
s
ubj
e
c
t
a
s
s
h
own
i
n
F
i
gu
r
e
2
a
n
d
t
h
e
t
e
m
pe
r
a
t
ur
e
s
e
ns
o
r
i
s
to
uc
h
e
d
by
l
e
f
t
h
a
n
d
f
i
nge
r
s
whil
e
c
o
l
l
e
c
t
i
n
g
da
t
a
.
E
s
p8266
i
s
a
s
y
s
t
e
m
-
on
-
c
hi
p
Wi
-
F
i
m
o
du
l
e
t
h
a
t
e
n
a
bl
e
s
m
i
c
r
o
c
o
n
tr
o
l
l
e
r
s
t
o
c
onn
e
c
t
to
2.
4
GH
z
W
i
-
F
i
,
us
i
n
g
I
E
E
E
802
.
11
b
gn
.
C
e
r
t
a
i
n
f
u
n
c
t
i
o
n
s
a
r
e
c
a
r
r
i
e
d
o
u
t
by
i
t
,
l
i
ke
ga
t
h
e
r
i
ng
s
e
ns
o
r
da
t
a
,
m
a
n
a
g
i
ng
o
t
h
e
r
de
vi
c
e
s
,
a
n
d
s
e
n
d
i
n
g
a
n
d
r
e
c
e
i
vi
ng
da
t
a
vi
a
t
h
e
i
n
t
e
r
n
e
t
.
F
o
r
c
o
n
n
e
c
t
i
n
g
a
n
d
m
a
n
a
g
in
g
o
t
h
e
r
e
l
e
c
t
r
o
n
i
c
pa
r
t
s
l
i
k
e
s
e
ns
o
r
s
,
L
E
Ds
,
o
r
m
o
t
or
s
,
i
t
f
e
a
t
ur
e
s
ge
n
e
r
a
l
pur
po
s
e
i
n
put
/o
u
t
pu
t
(
GPI
O
)
pi
n
s
[
35]
.
A
n
a
na
ly
t
i
c
s
p
l
a
t
f
o
r
m
b
u
il
t
o
n
t
h
e
I
n
t
e
r
n
e
t
o
f
T
hi
n
gs
,
T
hi
n
gS
pe
a
k
C
l
o
ud
c
a
n
s
t
or
e
,
p
r
o
c
e
s
s
,
a
n
d
a
n
a
ly
z
e
da
t
a
i
n
r
e
a
l
t
i
m
e
.
A
dd
i
t
i
o
n
a
ll
y
,
i
t
o
f
f
e
r
s
da
t
a
vi
s
u
a
l
i
z
a
t
i
o
n
f
r
o
m
li
ve
s
t
r
e
a
m
s
[
36]
.
F
o
r
t
h
i
s
i
nve
s
t
i
ga
t
i
o
n
,
a
c
h
a
nn
e
l
i
s
c
r
e
a
t
e
d
a
n
d
t
wo
f
i
e
l
d
s
f
o
r
t
e
m
pe
r
a
t
ur
e
a
n
d
GSR
s
e
n
s
o
r
da
t
a
a
r
e
ge
n
e
r
a
t
e
d
.
R
e
a
l
-
t
i
m
e
da
t
a
o
f
s
e
ns
o
r
s
a
n
d
a
n
a
ly
s
e
d
r
e
s
u
l
t
s
a
r
e
s
h
o
wn
i
n
F
i
gur
e
s
3
a
n
d
4.
F
i
gur
e
1.
P
r
o
p
o
s
e
d
f
r
a
m
e
wo
r
k
f
o
r
bi
g
da
t
a
t
r
a
n
s
m
is
s
i
o
n
a
n
d
a
n
a
ly
s
i
s
3.
2
.
B
ig
d
a
t
a
an
al
yt
ics
B
i
g
da
t
a
a
n
a
l
y
t
i
c
s
r
e
f
e
r
s
to
t
h
e
di
f
f
e
r
e
n
t
a
n
a
l
y
t
i
c
s
t
e
c
h
ni
que
s
t
h
a
t
a
r
e
us
e
d
to
i
de
n
t
i
f
y
v
a
r
i
o
us
pa
tt
e
r
n
s
,
kn
o
wl
e
dg
e
f
o
r
de
c
i
s
i
o
n
-
m
a
k
i
ng,
a
s
s
o
c
i
a
t
i
o
n
be
t
we
e
n
da
t
a
,
s
t
a
t
i
s
t
i
c
a
l
a
n
a
ly
s
i
s
,
M
L
a
n
a
ly
s
i
s
,
a
n
d
vi
s
u
a
l
i
z
a
t
i
o
n
o
f
da
t
a
.
T
hi
s
l
a
y
e
r
i
s
d
i
vi
de
d
i
n
t
o
s
u
b
pa
r
t
s
i
.
e
.
P
r
e
pr
o
c
e
s
s
i
ng
o
f
da
t
a
a
n
d
M
A
T
L
A
B
a
na
l
y
s
i
s
.
I
n
P
r
e
pr
o
c
e
s
s
i
n
g
o
ut
l
i
e
r
s
a
r
e
de
t
e
c
t
e
d
i
n
da
t
a
c
o
m
in
g
f
r
o
m
s
e
n
s
o
r
s
i
n
r
e
a
l
t
i
m
e
f
o
r
L
M
35
a
n
d
GSR
s
e
n
s
o
r
s
v
a
l
ue
s
a
n
d
c
l
e
a
ne
d
da
t
a
i
s
us
e
d
f
o
r
pr
e
di
c
t
i
o
n
o
f
e
m
o
t
i
o
n
s
.
3.
2.
1
.
P
r
e
p
r
oc
e
s
s
in
g
of
d
at
a
E
x
p
l
o
r
i
n
g
M
L
w
i
t
h
bi
g
da
t
a
r
e
qu
i
r
e
s
pr
e
pr
o
c
e
s
s
i
n
g
o
f
t
h
e
da
t
a
,
whi
c
h
i
s
a
n
e
s
s
e
n
t
i
a
l
s
t
e
p.
A
s
bi
g
da
t
a
i
s
s
t
r
e
a
m
e
d
a
n
d
c
o
m
e
s
f
r
o
m
a
v
a
r
i
e
t
y
o
f
s
o
ur
c
e
s
,
i
t
s
qua
l
i
t
y
n
e
e
ds
i
m
pr
o
v
e
m
e
n
t
.
T
h
e
a
c
c
u
r
a
c
y
a
n
d
f
u
n
c
t
i
o
n
a
li
t
y
o
f
m
a
c
hi
ne
-
l
e
a
r
ni
ng
m
o
de
l
s
c
a
n
b
e
im
pa
c
t
e
d
by
n
o
i
s
e
,
o
u
t
l
i
e
r
s
,
a
n
d
m
i
s
s
i
ng
v
a
l
ue
s
i
n
s
e
n
s
o
r
-
de
r
i
v
e
d
da
t
a
[
37]
.
B
a
d
de
c
i
s
i
o
n
s
a
n
d
i
ne
f
f
i
c
i
e
n
t
us
e
o
f
da
t
a
a
r
e
c
a
us
e
d
by
l
o
w
-
qua
li
t
y
d
a
t
a
[
38]
,
[
39
]
.
T
h
us
,
i
n
t
hi
s
s
t
ud
y
,
we
e
m
p
l
o
y
e
d
t
h
e
t
e
c
h
ni
qu
e
o
f
i
de
n
t
i
f
yin
g
a
n
d
e
l
im
i
na
t
i
n
g
o
u
t
l
i
e
r
s
f
o
r
f
ur
t
h
e
r
a
na
ly
s
i
s
.
Ou
t
l
ie
r
d
e
t
e
c
t
ion
:
A
n
o
u
t
l
i
e
r
i
s
a
n
unwa
n
t
e
d
da
t
a
po
i
n
t
t
h
a
t
i
s
f
a
r
a
wa
y
f
r
o
m
t
h
e
n
o
r
m
a
l
da
t
a
po
i
n
t
s
a
n
d
ge
n
e
r
a
t
e
d
b
e
c
a
us
e
o
f
n
o
i
s
e
,
l
o
s
s
o
f
s
i
g
n
a
l
i
n
s
e
n
s
o
r
s
,
a
n
d
i
n
a
ppr
o
pr
i
a
t
e
r
e
a
d
i
n
gs
o
f
s
e
ns
o
r
s
i
g
na
l
s
[
40]
.
T
h
e
r
e
a
r
e
v
a
r
i
o
us
a
pp
l
i
c
a
t
i
o
n
s
i
n
r
e
a
l
li
f
e
whe
r
e
o
u
t
l
i
e
r
de
t
e
c
t
i
o
n
t
e
c
hni
que
s
a
r
e
us
e
d
,
l
i
k
e
f
r
a
udu
l
e
n
t
de
t
e
c
t
i
o
n
,
f
a
u
l
t
d
i
a
g
n
o
s
i
s
,
a
b
n
o
r
m
a
l
s
e
ns
o
r
r
e
a
d
i
n
gs
,
a
n
d
i
n
t
r
us
i
o
n
de
t
e
c
t
i
o
n
i
n
n
e
t
wo
r
ks
a
n
d
m
e
d
i
c
a
l
i
n
f
o
r
m
a
t
i
c
s
.
T
h
e
r
e
a
r
e
t
h
r
e
e
t
y
pe
s
o
f
o
ut
l
i
e
r
s
:
P
o
i
nt,
C
o
n
t
e
x
t
ua
l
,
a
n
d
C
o
l
l
e
c
t
i
v
e
.
I
n
po
i
n
t
o
u
t
l
i
e
r
s
,
o
n
e
p
o
i
n
t
i
s
de
vi
a
t
e
d
f
r
o
m
t
h
e
r
e
s
t
o
f
t
h
e
da
t
a
s
e
t
.
C
o
n
t
e
x
t
ua
l
o
ut
l
i
e
r
s
a
r
e
da
t
a
p
o
i
n
t
s
'
v
a
l
ue
s
t
h
a
t
s
ub
s
t
a
n
t
i
a
ll
y
d
i
f
f
e
r
f
r
o
m
t
h
e
ot
h
e
r
da
t
a
p
o
i
n
t
s
i
n
t
h
e
s
a
m
e
s
e
tt
i
n
g.
C
o
l
l
e
c
t
i
ve
o
u
t
l
i
e
r
s
a
r
e
a
gr
o
up
o
f
da
t
a
p
o
i
n
t
s
t
h
a
t
a
r
e
di
f
f
e
r
e
n
t
f
r
o
m
t
h
e
c
o
m
p
l
e
t
e
da
t
a
s
e
t
[
41
]
.
Va
r
i
o
us
vi
s
u
a
l
i
z
a
t
i
o
n
,
s
t
a
t
i
s
t
i
c
a
l
,
a
n
d
M
L
t
e
c
hni
que
s
a
r
e
a
v
a
il
a
bl
e
t
o
i
de
n
t
i
f
y
o
u
t
l
i
e
r
s
l
i
ke
b
o
x
p
l
o
t
s
,
Z
-
s
c
or
e
,
m
e
a
n
,
m
e
d
i
a
n
,
DB
S
C
A
N,
a
n
d
i
s
o
l
a
t
i
o
n
f
o
r
e
s
t
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2252
-
8776
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
,
Vo
l
.
15
,
N
o.
2
,
J
un
e
20
26
:
869
-
879
874
S
t
e
ps
to
de
t
e
c
t
o
u
t
l
i
e
r
s
i
n
t
hi
s
s
t
ud
y
:
-
R
e
a
d
t
h
e
GSR
a
n
d
t
e
m
pe
r
a
t
ur
e
s
e
ns
o
r
s
i
g
n
a
l
s
.
-
T
r
a
n
s
f
e
r
t
h
e
da
t
a
to
t
h
e
T
hi
n
gS
pe
a
k
c
l
o
ud
f
o
r
s
to
r
a
ge
us
i
n
g
t
h
e
E
S
P
8266
m
o
du
l
e
.
-
R
e
a
l
t
i
m
e
An
a
ly
s
i
s
i
n
M
A
T
L
A
B
.
1.
R
e
a
d
t
h
e
f
i
e
l
d
da
t
a
f
r
o
m
t
h
e
C
ha
nn
e
l
.
2.
C
a
l
c
u
l
a
t
e
t
h
e
3
-
s
c
a
l
e
m
e
d
i
a
n
f
o
r
o
u
t
l
i
e
r
de
t
e
c
t
i
o
n
.
3
-
s
c
ale
me
dian
=
a
*
m
e
d
i
a
n
(
a
b
s
(
G
-
m
e
d
i
a
n
(
G
)
)
)
,
w
h
e
r
e
a=
-
1
/
(
s
q
r
t
(
2
)
*
e
r
f
c
i
n
v
(
3
/
2
)
)
a
n
d
G
r
e
pr
e
s
e
n
t
s
S
e
n
s
o
r
v
a
l
ue
wh
e
r
e
e
r
f
c
i
nv(
)
r
e
pr
e
s
e
n
t
s
t
h
e
i
nv
e
r
s
e
c
o
m
p
l
e
m
e
n
t
a
r
y
e
r
r
or
f
u
n
c
t
i
o
n
3.
V
i
s
u
a
l
i
s
e
t
h
e
c
o
m
p
l
e
t
e
da
t
a
.
Ou
t
l
ie
r
d
e
t
e
c
t
ion
r
e
s
u
l
t
s
:
R
e
a
l
-
t
i
m
e
vi
s
ua
li
z
e
d
r
e
s
u
l
t
s
b
a
s
e
d
o
n
GSR
a
n
d
t
e
m
pe
r
a
t
ur
e
a
r
e
s
h
o
wn
i
n
F
i
gur
e
s
3(
a
)
-
3
(
c
)
a
n
d
F
i
gur
e
s
4(
a
)
-
4
(
c
)
.
T
h
e
r
e
a
l
-
ti
m
e
a
n
a
ly
s
i
s
pr
o
vi
d
e
s
t
wo
t
y
pe
s
o
f
da
t
a
:
c
l
e
a
n
a
nd
o
u
t
l
i
e
r
da
t
a
.
F
i
gur
e
3(
a
)
r
e
pr
e
s
e
n
t
s
t
h
e
r
e
a
l
-
t
i
m
e
r
e
a
d
i
ngs
o
f
GSR
s
i
g
n
a
l
s
.
T
h
e
da
t
a
a
r
e
pr
o
c
e
s
s
e
d
i
n
r
e
a
l
-
t
i
m
e
,
a
n
d
i
ns
t
a
n
t
c
l
e
a
ni
ng
i
s
e
s
s
e
n
t
i
a
l
f
o
r
f
ur
t
h
e
r
pr
o
c
e
s
s
i
n
g
t
o
ge
t
a
n
a
c
c
ur
a
t
e
a
n
a
l
y
s
i
s
.
F
i
gur
e
2.
P
r
otot
y
pe
us
e
d
f
o
r
r
e
a
l
t
i
m
e
da
t
a
t
r
a
n
s
m
i
s
s
i
o
n
t
o
t
h
e
c
l
o
ud
(
a
)
(
b
)
(
c
)
F
i
gur
e
3
.
R
e
a
l
t
i
m
e
vi
s
ua
li
z
a
t
i
o
n
o
f
GSR
da
t
a
:
(
a
)
re
al
-
t
i
m
e
r
e
a
d
i
ngs
o
f
GSR
s
i
g
n
a
l
,
(
b
)
c
l
e
a
n
da
t
a
i
n
GSR
s
i
g
na
l
s
,
a
n
d
(
c
)
o
u
t
l
i
e
r
s
da
t
a
i
n
GSR
s
i
g
na
l
(
a
)
(
b
)
(
c
)
F
i
gur
e
4.
R
e
a
l
t
i
m
e
vi
s
ua
li
z
a
t
i
o
n
o
f
B
o
d
y
’
s
t
e
m
pe
r
a
t
ur
e
da
t
a
:
(
a
)
r
e
a
l
-
t
i
m
e
r
e
a
d
i
ngs
o
f
t
e
m
p
s
i
g
n
a
l
,
(
b
)
c
l
e
a
n
da
t
a
i
n
t
e
m
p
s
i
g
n
a
l
s
,
a
n
d
(
c
)
o
u
t
l
i
e
r
s
da
t
a
i
n
t
e
m
p
s
i
g
n
a
l
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
I
S
S
N:
2252
-
8776
R
e
al
-
ti
me
e
motion
pr
e
diction
s
y
s
tem
us
ing
big
dat
a
analytics
(
M
anpr
e
e
t
K
aur
Dhali
w
al
)
875
3.
2.
2.
S
u
p
e
r
vis
e
d
l
e
a
r
n
in
g
an
al
ys
is
P
r
e
-
pr
o
c
e
s
s
e
d
da
t
a
i
s
us
e
d
f
o
r
r
e
a
l
-
t
i
m
e
t
e
s
t
i
n
g
f
o
r
c
l
a
s
s
i
f
yi
ng
e
m
o
t
i
o
n
s
.
Dur
i
n
g
t
h
e
e
x
pe
r
im
e
n
t
a
t
i
o
n
,
M
L
,
de
e
p
l
e
a
r
ni
ng,
a
n
d
b
o
o
s
t
i
n
g
m
e
t
h
o
ds
vi
z
.
DT
,
NB
,
QD
A
,
S
VM
,
K
NN
,
NN
,
a
n
d
E
n
s
e
m
b
l
e
B
o
o
s
t
e
d
T
r
e
e
r
e
s
pe
c
t
i
v
e
ly
a
r
e
us
e
d.
T
h
e
m
o
de
l
s
a
r
e
t
r
a
i
n
e
d
o
n
P
I
F
v
1
Da
t
a
s
e
t
[
42]
,
[
43]
.
4.
RE
S
UL
T
S
AN
D
DI
S
CU
S
S
I
ON
F
o
r
t
h
e
e
x
pe
r
i
m
e
n
t
a
l
e
v
a
l
ua
t
i
o
n
o
f
t
h
e
da
t
a
c
o
l
l
e
c
t
e
d
a
n
d
m
a
n
a
ge
d
i
n
r
e
a
l
t
i
m
e
,
t
r
a
i
n
e
d
m
o
de
l
i
s
r
e
qu
i
r
e
d.
T
h
e
r
e
f
o
r
e
,
t
h
e
m
o
de
l
s
we
r
e
f
i
r
s
t
t
r
a
i
n
e
d
a
n
d
t
e
s
t
e
d
o
n
P
I
F
v
1
da
t
a
s
e
t
[
42]
,
[
43]
.
T
h
i
s
da
t
a
s
e
t
c
o
n
t
a
i
ns
t
h
e
da
t
a
r
e
l
a
t
e
d
to
s
i
x
e
m
o
t
i
o
ns
S
c
a
r
y
,
S
a
d,
Ho
l
d,
No
r
m
a
l
,
De
e
p
B
r
e
a
t
h
,
a
n
d
Ha
pp
y
.
T
h
e
da
t
a
a
r
e
d
i
vi
de
d
i
n
t
o
75:25
f
o
r
t
r
a
i
ni
ng/t
e
s
t
i
n
g
a
n
d
10
-
f
o
l
d
c
r
o
s
s
-
v
a
li
da
t
i
o
n
i
s
u
s
e
d
f
o
r
e
x
pe
r
im
e
n
t
a
t
i
o
n
.
All
t
h
e
e
x
pe
r
im
e
n
t
s
a
r
e
pe
r
f
o
r
m
e
d
us
i
ng
M
A
T
L
AB
a
n
a
ly
s
i
s
.
T
he
tr
a
i
n
e
d
m
o
de
l
s
a
r
e
t
h
e
n
us
e
d
f
o
r
m
a
k
i
n
g
pr
e
d
i
c
t
i
o
n
s
o
n
r
e
a
l
t
i
m
e
da
t
a
.
4.
1
.
T
r
ain
in
g
an
d
t
e
s
t
in
g
on
P
I
F
v1
d
at
as
e
t
E
x
pe
r
i
m
e
n
t
s
a
r
e
pe
r
f
o
r
m
e
d
o
n
c
o
m
bi
ne
d
da
t
a
o
f
a
ll
s
u
bj
e
c
t
s
,
a
n
d
r
e
s
u
l
t
s
a
r
e
s
h
o
w
n
i
n
T
a
bl
e
2.
I
t
i
s
n
o
t
i
c
e
d
t
h
a
t
h
i
g
he
s
t
a
c
c
ur
a
c
y
a
c
hi
e
ve
d
i
s
46.
88%
a
c
c
ur
a
c
y
us
i
ng
S
VM
.
Ho
we
v
e
r
,
tr
a
i
ni
ng
t
h
e
m
o
de
l
s
u
bj
e
c
t
-
w
i
s
e
g
i
ve
s
b
e
t
t
e
r
r
e
s
u
l
t
s
.
S
i
x
pa
r
t
i
c
i
pa
n
t
s
a
r
e
c
h
o
s
e
n
r
a
n
do
m
ly
a
n
d
t
h
e
m
o
de
l
s
a
r
e
t
r
a
i
n
e
d
s
u
bj
e
c
t
-
w
i
s
e
a
s
s
h
o
w
n
i
n
F
i
gur
e
5.
F
o
r
P
I
D
1,
t
h
e
DT
o
u
t
pe
r
f
o
r
m
s
w
i
t
h
a
n
a
c
c
ur
a
c
y
o
f
65.
79%
.
I
n
t
h
e
c
a
s
e
o
f
P
I
D
4,
S
VM
o
u
t
pe
r
f
o
r
m
s
o
t
h
e
r
t
e
c
h
ni
que
s
w
i
t
h
a
n
a
c
c
ur
a
c
y
o
f
69.
02%
.
E
n
s
e
m
bl
e
b
o
o
s
t
e
d
t
r
e
e
,
NN
,
a
n
d
DT
a
c
hi
e
ve
d
80.
64%
a
c
c
ur
a
c
y
f
o
r
P
I
D
6
a
n
d
f
o
r
P
I
D
7
NN
a
n
d
NB
a
c
hi
e
v
e
d
79.
42%
a
c
c
ur
a
c
y
.
F
o
r
P
I
D
9
a
nd
10
NN
a
c
hi
e
ve
d
hi
g
h
e
r
a
c
c
ur
a
c
y
a
s
s
h
o
wn
i
n
F
i
gur
e
5.
I
n
ge
n
e
r
a
li
z
e
d
s
y
s
t
e
m
,
w
h
e
r
e
da
t
a
f
r
o
m
a
l
l
c
o
m
bi
ne
d
s
u
bj
e
c
t
s
a
n
d
a
ll
e
m
o
t
i
o
n
a
l
s
t
a
t
e
s
a
r
e
c
o
n
s
i
de
r
e
d,
t
h
e
o
v
e
r
a
l
l
p
e
r
f
o
r
m
a
n
c
e
o
f
a
l
l
t
h
e
m
o
de
l
s
a
r
e
c
o
n
s
i
de
r
a
bly
l
o
w,
w
i
t
h
a
c
c
ur
a
c
y
i
s
f
a
ll
i
n
g
b
e
l
o
w
50%
a
s
s
h
o
wn
i
n
T
a
bl
e
2.
T
hi
s
c
o
nc
l
ud
e
s
t
h
a
t
h
o
w
e
m
o
t
i
o
n
s
v
a
r
y
f
r
o
m
pe
r
s
o
n
s
t
o
pe
r
s
o
n
,
m
a
k
i
ng
it
di
f
f
i
c
u
l
t
to
p
r
e
di
c
t
.
A
dd
i
t
i
o
n
a
ll
y
,
t
h
e
a
n
a
ly
s
i
s
i
n
d
i
c
a
t
e
s
th
a
t
m
o
de
l
s
pe
r
f
o
r
m
b
e
t
t
e
r
wh
e
n
t
h
e
r
e
i
s
c
l
e
a
r
e
m
o
t
i
o
n
a
l
v
a
r
i
a
bil
i
t
y
i
n
t
he
s
ubj
e
c
t
’
s
r
e
s
po
n
s
e
s
a
c
r
o
s
s
a
c
t
i
vi
t
i
e
s
.
I
n
c
o
n
t
r
a
s
t,
f
o
r
i
n
d
i
vi
du
a
l
s
w
h
o
e
x
hi
b
i
t
mi
n
im
a
l
e
m
o
t
i
o
n
a
l
va
r
i
a
t
i
o
n
o
r
r
e
s
p
o
n
d
s
i
mi
l
a
r
l
y
i
n
d
i
ve
r
s
e
s
i
t
ua
t
i
o
n
s
,
m
a
ke
i
t
h
a
r
de
r
f
o
r
m
o
de
l
s
t
o
di
s
t
i
n
gu
i
s
h
b
e
t
we
e
n
s
t
a
t
e
s
,
r
e
s
u
l
t
i
n
g
i
n
l
o
we
r
a
c
c
ur
a
c
y
.
T
h
e
s
e
f
i
nd
i
ng
s
e
m
p
h
a
s
i
z
e
t
h
e
i
m
po
r
t
a
n
c
e
o
f
e
m
o
t
i
o
n
a
l
v
a
r
i
a
bil
i
t
y
i
n
im
pr
o
vi
ng
t
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
e
m
o
t
i
o
n
r
e
c
o
gni
t
i
o
n
s
y
s
t
e
m
s
.
T
a
bl
e
2.
C
l
a
s
s
i
f
i
c
a
t
i
o
n
r
e
s
u
l
t
s
o
f
s
i
x
e
m
o
t
i
o
n
a
l
s
t
a
tes
o
f
a
l
l
s
u
bj
e
c
t
s
M
o
de
ls
T
r
a
in
T
e
s
t
D
e
c
is
io
n
t
r
e
e
43.85
43.8
N
a
ïv
e
B
a
y
e
s
31.93
31.73
QDA
31.93
31.73
NN
46.84
46.6
S
V
M
47.1
46.88
E
ns
e
mbl
e
B
oo
s
t
e
d
T
r
e
e
45.33
44.92
K
N
N
37.76
37.5
B
ut
s
t
i
ll
NN
a
n
d
S
VM
do
b
e
tt
e
r
t
h
a
t
ot
h
e
r
m
o
de
l
s
,
r
e
p
r
e
s
e
n
t
i
n
g
t
h
e
s
e
m
o
de
l
s
c
a
n
h
a
n
d
l
e
v
a
r
i
a
bil
i
t
y
a
n
d
n
o
i
s
e
i
n
da
t
a
v
e
r
y
we
l
l
.
O
n
t
h
e
ot
h
e
r
h
a
n
d,
wh
e
n
m
o
de
l
s
a
r
e
m
a
d
e
f
o
r
s
ubj
e
c
t
s
pe
c
i
f
i
c
da
t
a
t
h
a
t
i
s
a
pe
r
s
o
n
a
l
i
z
e
d
a
ppr
o
a
c
h
i
s
f
o
l
l
o
we
d
t
h
e
r
e
s
u
l
t
s
a
r
e
m
uc
h
b
e
t
t
e
r
a
s
s
h
o
wn
i
n
F
i
gur
e
5.
T
h
e
e
x
pe
r
i
m
e
n
t
s
a
r
e
a
l
s
o
pe
r
f
o
r
m
e
d
u
s
i
n
g
bi
na
r
y
c
l
a
s
s
e
s
t
h
a
t
a
r
e
n
o
r
m
a
l
a
n
d
de
e
p
b
r
e
a
t
h
,
s
a
d
a
n
d
h
a
pp
y
,
a
n
d
s
c
a
r
y
a
n
d
h
a
pp
y
o
n
d
i
f
f
e
r
e
n
t
s
ubj
e
c
t
s
.
T
h
e
r
e
s
u
l
t
s
o
f
v
a
r
i
o
us
m
o
de
l
s
a
r
e
g
i
v
e
n
i
n
T
a
ble
3.
T
h
e
r
e
s
u
l
t
s
pr
o
v
e
t
h
a
t
t
h
e
a
c
c
ur
a
c
y
i
s
f
a
r
gr
e
a
t
e
r
i
n
bi
n
a
r
y
c
l
a
s
s
if
i
c
a
t
i
o
n
a
s
c
o
m
pa
r
e
d
t
o
m
u
l
t
i
c
l
a
s
s
c
l
a
s
s
if
i
c
a
t
i
o
n
.
Ye
t
,
S
VM
a
n
d
NN
pe
r
f
o
r
m
we
ll
a
c
r
o
s
s
b
o
t
h
bi
na
r
y
a
n
d
m
u
l
t
i
c
l
a
s
s
c
l
a
s
s
if
i
c
a
t
i
o
n
r
e
i
nf
o
r
c
i
ng
t
h
e
i
r
r
o
b
us
t
ne
s
s
a
n
d
e
f
f
e
c
t
i
v
e
n
e
s
s
i
n
e
m
o
t
i
o
n
c
l
a
s
s
i
f
i
c
a
t
i
o
n
t
a
s
ks
.
L
a
s
t
l
y
,
i
t
i
s
o
bs
e
r
v
e
d
t
h
a
t
QDA
c
o
n
s
i
s
t
e
n
t
l
y
u
n
de
r
pe
r
f
o
r
m
s
i
n
a
ll
s
c
e
n
a
r
i
o
s
.
W
h
e
t
h
e
r
us
i
n
g
ge
n
e
r
a
li
z
e
d
o
r
s
ubj
e
c
t
s
pe
c
i
f
i
c
,
or
w
o
r
ki
n
g
w
i
t
h
bi
na
r
y
o
r
m
u
l
t
i
c
l
a
s
s
c
l
a
s
s
if
i
c
a
t
i
o
n
,
QD
A
c
o
n
s
i
s
t
e
n
t
l
y
pe
r
f
o
r
m
s
poo
r
l
y
.
T
hi
s
m
e
a
ns
QD
A
pr
o
b
a
bly
i
s
n
o
t
a
g
oo
d
c
h
o
i
c
e
f
o
r
e
m
o
t
i
o
n
de
t
e
c
t
i
o
n
e
s
pe
c
i
a
ll
y
i
n
h
e
a
l
t
h
c
a
r
e
,
whe
r
e
e
m
o
t
i
o
n
a
l
da
t
a
c
a
n
b
e
v
e
r
y
c
o
m
p
li
c
a
t
e
d
a
n
d
un
pr
e
d
ict
a
bl
e
.
4.
2
.
T
e
s
t
in
g
on
r
e
al
-
t
im
e
d
at
a
F
o
r
r
e
a
l
-
t
i
m
e
t
e
s
t
i
n
g,
t
h
e
pr
otot
y
pe
i
s
wo
r
n
by
t
h
e
us
e
r
a
n
d
da
t
a
a
r
e
tr
a
n
s
f
e
r
r
e
d
i
n
r
e
a
l
-
t
i
m
e
to
c
l
o
ud
f
o
r
M
A
T
L
AB
a
n
a
ly
s
i
s
us
i
ng
S
upe
r
vi
s
e
d
L
e
a
r
ni
n
g
M
o
de
l
s
a
s
s
h
o
w
n
i
n
F
i
gur
e
1.
T
w
o
m
o
de
l
s
h
a
v
e
b
e
e
n
e
m
p
l
o
y
e
d
f
o
r
t
e
s
t
i
n
g
o
n
t
h
e
r
e
a
l
t
i
m
e
da
t
a
;
o
n
e
t
h
a
t
i
s
t
r
a
i
ne
d
o
n
c
o
m
p
l
e
t
e
da
t
a
c
o
m
pr
i
s
i
ng
o
f
a
l
l
t
h
e
pa
r
t
i
c
i
pa
n
t
s
l
e
a
d
i
ng
to
a
ge
n
e
r
a
l
i
z
e
d
s
y
s
t
e
m
a
n
d
t
h
e
ot
h
e
r
o
n
e
t
h
a
t
i
s
t
r
a
i
n
e
d
o
n
t
h
e
da
t
a
pe
r
t
a
i
ni
n
g
to
t
h
e
s
pe
c
i
f
i
c
pa
r
t
i
c
i
pa
n
t
l
e
a
d
i
ng
to
pe
r
s
o
n
a
l
i
z
e
d
s
y
s
t
e
m
.
T
h
e
r
e
s
u
l
t
s
a
r
e
s
h
o
wn
i
n
T
a
bl
e
4.
T
h
e
pe
r
s
o
n
a
l
i
z
e
d
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2252
-
8776
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
,
Vo
l
.
15
,
N
o.
2
,
J
un
e
20
26
:
869
-
879
876
t
r
a
i
ni
ng
a
n
d
t
e
s
t
i
n
g
g
i
v
e
90.
62%
a
c
c
ur
a
c
y
a
s
c
om
pa
r
e
d
to
a
ge
n
e
r
a
l
i
z
e
d
s
y
s
t
e
m
t
h
a
t
gi
v
e
s
up
to
78.
12
%
a
c
c
ur
a
c
y
.
I
t
i
s
pe
r
t
i
n
e
n
t
to
m
e
n
t
i
o
n
t
h
a
t
da
t
a
c
o
l
l
e
c
t
e
d
i
n
r
e
a
l
t
i
m
e
i
s
v
e
r
y
s
m
a
ll
i
n
s
i
z
e
.
T
h
e
t
e
s
t
i
n
g
h
a
s
b
e
e
n
pe
r
f
o
r
m
e
d
t
o
un
de
r
s
t
a
n
d
t
h
e
vi
a
bi
li
t
y
o
f
t
h
e
s
y
s
t
e
m
.
I
t
h
a
s
a
l
s
o
b
e
e
n
o
b
s
e
r
v
e
d
a
n
d
c
o
n
c
l
ude
d
t
h
a
t
t
h
e
r
a
n
ge
o
f
GSR
v
a
l
ue
s
i
s
d
i
f
f
e
r
e
n
t
f
o
r
di
f
f
e
r
e
n
t
i
n
d
i
v
i
dua
l
s
.
F
o
r
i
n
s
t
a
nc
e
,
265
–
310
r
a
w
GSR
v
a
l
u
e
de
n
o
t
e
s
o
n
e
pe
r
s
o
n
's
s
c
a
r
y
r
e
a
d
i
ngs
,
whil
e
f
o
r
a
n
o
t
h
e
r
,
t
hi
s
va
l
ue
de
n
o
t
e
s
t
h
e
n
o
r
m
a
l
o
r
s
a
d
c
l
a
s
s
.
S
o
,
pe
r
s
o
n
a
l
i
z
e
d
s
y
s
t
e
m
s
o
u
t
pe
r
f
o
r
m
ge
n
e
r
a
l
i
z
e
d
s
y
s
t
e
m
s
f
o
r
pr
e
di
c
t
i
o
n
o
f
e
m
o
t
i
o
n
s
.
F
i
gur
e
5.
P
e
r
f
o
r
m
a
n
c
e
c
o
m
pa
r
i
s
o
n
o
f
v
a
r
i
o
us
c
l
a
s
s
if
i
e
r
s
w
i
t
h
s
i
x
c
l
a
s
s
e
s
o
f
e
m
o
t
i
o
n
s
T
a
bl
e
3.
P
e
r
f
o
r
m
a
nc
e
o
f
d
i
f
f
e
r
e
n
t
c
l
a
s
s
if
i
e
r
s
f
o
r
bi
n
a
r
y
c
l
a
s
s
i
f
i
c
a
t
i
o
n
o
f
e
m
o
t
i
o
n
s
M
o
de
l
DT
QDA
S
V
M
NB
K
N
N
NN
P
I
D
1
N
o
r
ma
l/
D
B
88.35
80.58
88.35
80.58
87.38
88.35
H
a
pp
y
/S
a
d
100
100
100
100
100
100
S
c
a
r
y
/
H
a
pp
y
100
100
100
100
100
100
P
I
D
4
N
o
r
ma
l/
D
B
78.79
80.30
80.30
80.30
81.82
81.82
H
a
pp
y
/S
a
d
97.38
97.00
97.00
97.00
97.38
97.38
S
c
a
r
y
/
H
a
pp
y
93.56
89.77
93.56
89.77
93.56
93.56
P
I
D
6
N
o
r
ma
l/
D
B
96.67
93.33
96.67
93.33
96.67
96.67
H
a
pp
y
/S
a
d
96.28
96.28
96.28
96.28
96.28
96.28
S
c
a
r
y
/
H
a
pp
y
98.51
97.01
99.25
97.01
98.51
98.51
P
I
D
7
N
o
r
ma
l/
D
B
100
97.96
100
97.96
100
100
H
a
pp
y
/S
a
d
94.20
94.88
94.20
94.88
94.88
94.20
S
c
a
r
y
/
H
a
pp
y
99.04
99.04
99.04
99.04
99.04
99.04
P
I
D
9
N
o
r
ma
l/
D
B
100
100
100
100
100
100
H
a
pp
y
/S
a
d
100
100
100
100
100
100
S
c
a
r
y
/
H
a
pp
y
96.15
96.15
96.15
96.15
94.76
96.15
P
I
D
10
N
o
r
ma
l/
D
B
95.10
88.24
95.10
88.24
95.10
95.10
H
a
pp
y
/S
a
d
100
100
100
100
100
100
S
c
a
r
y
/
H
a
pp
y
71.39
71.39
72.73
71.39
71.39
72.73
T
a
bl
e
4.
P
r
e
di
c
t
i
o
n
o
f
e
m
o
t
i
o
ns
o
n
r
e
a
l
t
i
m
e
da
t
a
M
o
de
ls
M
o
de
l
tr
a
in
e
d
w
i
th
P
I
D
6
da
ta
(
a
c
c
i
n
%
)
M
o
de
l
tr
a
in
e
d w
i
th
a
ll
s
ubj
e
c
ts
da
ta
(
a
c
c
i
n %
)
DT
90.62%
78.12%
S
V
M
90.62%
78.12%
NN
90.62%
62.50%
E
ns
e
mbl
e
90.62%
78.12%
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
I
S
S
N:
2252
-
8776
R
e
al
-
ti
me
e
motion
pr
e
diction
s
y
s
tem
us
ing
big
dat
a
analytics
(
M
anpr
e
e
t
K
aur
Dhali
w
al
)
877
5.
CONC
L
USI
ON
T
hi
s
s
t
ud
y
i
n
t
r
o
duc
e
s
bi
g
da
t
a
f
r
a
m
e
wo
r
k
c
o
m
pr
i
s
i
ng
o
f
t
w
o
l
a
y
e
r
s
f
o
r
pr
e
di
c
t
i
n
g
e
m
o
t
i
o
n
s
o
n
r
e
a
l
-
t
i
m
e
da
t
a
us
i
n
g
s
upe
r
vi
s
e
d
l
e
a
r
ni
ng
t
e
c
hni
qu
e
s
.
I
n
t
hi
s
f
r
a
m
e
wo
r
k,
t
h
e
o
pe
n
-
s
o
ur
c
e
pl
a
t
f
o
r
m
T
hin
gS
pe
a
k
C
l
o
ud
i
s
us
e
d
f
o
r
t
h
e
s
tor
a
ge
,
pr
o
c
e
s
s
i
n
g,
a
n
d
a
n
a
ly
s
i
s
o
f
r
e
a
l
-
t
i
m
e
da
t
a
.
S
e
v
e
n
s
upe
r
vi
s
e
d
l
e
a
r
ni
ng
m
e
t
h
o
ds
DT
,
Ga
us
s
i
a
n
Na
ï
v
e
B
a
y
e
s
,
NN
,
S
VM
,
QD
A
,
E
n
s
e
m
bl
e
,
a
n
d
K
NN
a
r
e
us
e
d
to
tr
a
i
ni
ng
a
n
d
t
e
s
t
i
n
g.
T
h
e
m
o
de
l
s
a
r
e
t
r
a
i
n
e
d
a
n
d
t
e
s
t
e
d
us
i
n
g
P
I
F
v
1
da
t
a
s
e
t
gi
vi
ng
a
c
c
ur
a
c
y
o
f
up
to
46
.
88%
f
o
r
ge
n
e
r
a
l
i
z
e
d
s
y
s
t
e
m
a
n
d
80.
64%
f
o
r
pe
r
s
o
n
a
l
i
z
e
d
t
r
a
i
ni
ng
a
n
d
t
e
s
t
i
n
g.
T
h
e
t
r
a
i
n
e
d
m
o
de
l
s
a
r
e
a
pp
li
e
d
o
n
r
e
a
l
-
t
i
m
e
da
t
a
th
a
t
g
i
v
e
s
a
n
a
c
c
ur
a
c
y
o
f
up
to
78.
12%
f
o
r
us
i
n
g
ge
n
e
r
a
l
i
z
e
d
m
o
de
l
a
n
d
90.
62%
f
o
r
pe
r
s
o
n
a
l
i
z
e
d
m
o
de
l
.
I
t
i
s
c
o
n
c
l
ude
d
t
h
a
t
pe
r
s
o
n
a
l
i
z
e
d
m
o
de
l
o
ut
pe
r
f
o
r
m
s
ge
ne
r
a
l
i
z
e
d
m
o
de
l
f
o
r
pr
e
d
i
c
t
i
o
n
o
f
e
m
o
t
i
o
n
s
.
I
n
f
ut
ur
e
wor
k,
t
e
c
h
ni
que
s
w
i
ll
f
ur
t
h
e
r
b
e
e
x
p
l
o
r
e
d
t
o
m
a
k
e
t
h
e
ge
n
e
r
a
li
z
e
d
m
o
de
l
m
o
r
e
r
e
l
i
a
bl
e
a
n
d
de
pe
n
da
ble.
O
t
h
e
r
s
e
n
s
o
r
s
l
i
ke
E
C
G,
E
M
G,
a
n
d
He
a
r
t
R
a
t
e
.
wi
ll
a
l
s
o
b
e
i
nc
l
ude
d
t
o
wi
de
n
t
h
e
h
o
r
i
z
o
n
o
f
t
h
e
s
t
ud
y
.
I
t
i
s
f
ur
t
h
e
r
o
b
s
e
r
v
e
d
t
h
a
t
pr
o
c
e
s
s
i
n
g
s
pe
e
d
f
o
r
a
n
a
l
y
t
i
c
s
i
s
s
l
o
w
o
n
c
l
o
ud.
S
o,
e
dge
n
e
t
w
o
r
k
wi
ll
be
c
o
n
s
i
de
r
e
d
in
f
ut
ur
e
w
o
r
k
.
F
UN
DI
NG
I
N
F
ORM
AT
I
ON
T
h
e
a
ut
h
o
r
s
s
t
a
t
e
n
o
f
un
d
i
ng
i
s
i
nv
o
l
v
e
d.
AU
T
HO
R
CONT
RI
B
UT
I
ONS
S
T
AT
E
M
E
NT
T
hi
s
j
o
ur
n
a
l
u
s
e
s
t
h
e
C
o
n
t
r
i
b
ut
or
R
o
l
e
s
T
a
x
o
n
o
m
y
(
C
R
e
d
i
T
)
to
r
e
c
o
gni
z
e
i
n
d
i
v
i
dua
l
a
ut
h
o
r
c
o
n
t
r
i
b
ut
i
o
ns
,
r
e
duc
e
a
ut
h
or
s
hi
p
d
i
s
put
e
s
,
a
n
d
f
a
c
il
i
t
a
t
e
c
o
l
l
a
b
o
r
a
t
i
o
n
.
Nam
e
of
Aut
h
or
C
M
So
Va
Fo
I
R
D
O
E
Vi
Su
P
Fu
M
a
n
pr
e
e
t
K
a
ur
Dh
a
li
wa
l
R
o
hi
ni
S
ha
r
m
a
R
a
j
bi
nd
e
r
K
a
ur
C
:
C
o
n
c
e
pt
ua
li
z
a
ti
o
n
M
:
M
e
th
o
d
o
l
o
g
y
So
:
So
f
twa
r
e
Va
:
Va
li
da
ti
o
n
Fo
:
Fo
r
ma
l
a
na
l
y
s
is
I
:
I
nve
s
ti
ga
ti
o
n
R
:
R
e
s
o
u
r
c
e
s
D
:
D
a
ta
C
ur
a
ti
o
n
O
:
W
r
it
in
g
-
O
r
ig
in
a
l
D
r
a
f
t
E
:
W
r
it
in
g
-
R
e
v
i
e
w
&
E
di
ti
ng
Vi
:
Vi
s
ua
li
z
a
ti
o
n
Su
:
Su
pe
r
v
is
io
n
P
:
P
r
o
j
e
c
t
a
dmi
ni
s
tr
a
ti
o
n
Fu
:
Fu
ndi
ng a
c
qui
s
it
i
o
n
CONF
L
I
CT
OF
I
NT
E
RE
S
T
S
T
AT
E
M
E
NT
T
h
e
a
ut
h
o
r
s
s
t
a
t
e
n
o
c
o
n
f
li
c
t
o
f
i
n
t
e
r
e
s
t
.
DA
T
A
AV
AI
L
AB
I
L
I
T
Y
T
h
e
da
t
a
t
h
a
t
s
upp
o
r
t
t
h
e
f
i
nd
i
ng
s
o
f
t
hi
s
s
t
udy
a
r
e
o
pe
nly
a
va
i
l
a
b
l
e
i
n
M
e
n
de
l
e
y
a
t
h
t
t
ps
:/
/da
t
a
.
m
e
n
de
l
e
y
.
c
o
m
/dat
a
s
e
t
s
/phb
9
y
6c
p5c
/1
[
42]
.
RE
F
E
R
E
NC
E
S
[
1]
C
.
S
te
w
a
r
t,
“
A
r
ti
f
i
c
ia
l
in
t
e
ll
ig
e
nc
e
(
A
I
)
in
he
a
lt
h
c
a
r
e
ma
r
ke
t
s
i
z
e
w
o
r
ld
w
id
e
f
r
o
m
2021
t
o
2030
,
”
[
O
nl
i
ne
]
.
A
v
a
il
a
bl
e
:
ht
tp
s
:/
/ww
w
.s
ta
ti
s
ta
.c
o
m/
s
ta
ti
s
ti
c
s
/1
334826/a
i
-
in
-
h
e
a
lt
hc
a
r
e
-
ma
r
k
e
t
-
s
i
z
e
-
w
o
r
ld
w
id
e
/.
[
A
c
c
e
s
s
e
d:
03
-
D
e
c
-
2023
]
.
[
2]
D
.
T
e
c
hn
o
l
o
gi
e
s
,
“
I
nt
e
r
n
e
t
of
T
hi
ngs
a
nd
da
ta
pl
a
c
e
m
e
nt
,
”
[
O
nl
in
e
]
.
A
v
a
il
a
bl
e
:
ht
tp
s
:/
/i
n
f
o
hub.d
e
ll
t
e
c
hn
o
l
o
gi
e
s
.
c
o
m/
l/
e
dg
e
-
to
-
c
o
r
e
-
a
nd
-
th
e
-
in
te
r
ne
t
-
of
-
th
in
gs
-
2/
in
t
e
r
n
e
t
-
of
-
th
in
gs
-
a
nd
-
da
ta
-
pl
a
c
e
m
e
nt
/#
:~
:t
e
x
t=
T
h
e
I
nt
e
r
n
e
t
of
T
hi
ngs
(
I
oT
,z
e
tt
a
b
y
t
e
s
(
Z
B
)
of
da
ta
. [
A
c
c
e
s
s
e
d:
03
-
D
e
c
-
2023]
.
[
3]
M
ic
ha
e
l.
W
a
lk
e
r
,
“
I
nt
e
r
n
e
t
of
th
in
gs
a
nd
da
ta
s
c
ie
n
c
e
tr
a
ns
f
o
r
ms
li
f
e
,
bus
in
e
s
s
a
nd
gov
e
r
nme
n
t
,
”
[
O
nl
in
e
]
.
A
v
a
il
a
bl
e
:
ht
tp
s
:/
/ww
w
.da
ta
s
c
ie
nc
e
a
s
s
n.o
r
g/
c
o
nt
e
nt
/i
n
te
r
ne
t
-
th
in
gs
-
a
nd
-
da
ta
-
s
c
ie
n
c
e
-
t
r
a
ns
f
or
ms
-
li
f
e
-
bus
in
e
s
s
-
a
nd
-
gove
r
nm
e
nt
.
[
A
c
c
e
s
s
e
d:
03
-
D
e
c
-
2023]
.
[
4]
A
.
O
us
s
o
us
,
F
.
Z
.
B
e
nj
e
ll
o
un,
A
.
A
it
L
a
h
c
e
n,
a
nd
S
.
B
e
l
f
ki
h,
“
B
ig
da
ta
te
c
hn
o
l
o
gi
e
s
:
A
s
ur
ve
y
,”
J
our
nal
of
K
in
g
Saud
U
ni
v
e
r
s
it
y
-
C
om
put
e
r
and I
nf
o
r
m
at
io
n Sc
ie
nc
e
s
, v
o
l.
30, n
o
. 4, pp. 431
–
4
48
, 2018, do
i:
10.1016/j
.
jk
s
uc
i.
2017.06.001.
[
5]
D
.
C
he
,
M
.
S
a
f
r
a
n,
a
nd
Z
.
P
e
ng,
“
F
r
o
m
bi
g
da
ta
t
o
bi
g
da
ta
m
in
in
g:
c
ha
ll
e
ng
e
s
,
is
s
ue
s
,
a
nd
o
pp
o
r
tu
ni
ti
e
s
B
T
-
da
ta
ba
s
e
s
y
s
t
e
ms
f
or
a
dv
a
n
c
e
d a
ppl
ic
a
ti
o
ns
,”
2013, pp. 1
–
15.
[
6]
M
.
K
.
D
ha
li
w
a
l,
R
.
S
ha
r
ma
,
a
nd
N
.
B
in
dr
a
,
“
R
o
l
e
of
in
t
e
r
n
e
t
of
th
in
gs
(
I
oT
)
in
pr
e
ve
nt
in
g
a
nd
c
o
nt
r
o
ll
in
g
di
s
e
a
s
e
o
ut
br
e
a
k:
a
s
na
ps
ho
t
of
e
x
is
ti
ng
s
c
e
na
r
i
o
,”
in
P
r
oc
e
e
di
ngs
of
th
e
I
nt
e
r
nat
io
nal
C
onf
e
r
e
n
c
e
on
I
nt
e
ll
ig
e
nt
C
om
put
in
g,
C
om
m
uni
c
at
io
n
and
I
nf
or
m
at
io
n Se
c
u
r
it
y
. I
C
I
C
C
I
S 2022. A
lg
or
it
hm
s
f
or
I
nt
e
ll
ig
e
nt
Sy
s
te
m
s
.
, 2023, pp. 359
–
373.
[
7]
S
.
S
a
r
e
e
n,
S
.
K
.
S
oo
d,
a
nd
S
.
K
.
G
upt
a
,
“
I
oT
-
ba
s
e
d
c
l
o
ud
f
r
a
me
w
o
r
k
t
o
c
o
nt
r
o
l
E
b
o
la
vi
r
us
o
ut
b
r
e
a
k,”
J
our
nal
of
A
m
bi
e
nt
I
nt
e
ll
ig
e
nc
e
and Hum
ani
z
e
d C
om
put
in
g
, v
o
l.
9, n
o
. 3, pp. 459
–
476, 2018, do
i:
10.1
007/
s
12652
-
016
-
0427
-
7.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2252
-
8776
I
n
t
J
I
n
f
&
C
o
m
m
u
n
T
e
c
hn
o
l
,
Vo
l
.
15
,
N
o.
2
,
J
un
e
20
26
:
869
-
879
878
[
8]
M
.
O
to
o
m,
N
.
O
to
u
m,
M
.
A
.
A
lz
uba
id
i,
Y
.
E
t
oo
m,
a
nd
R
.
B
a
ni
ha
ni
,
“
A
n
I
oT
-
ba
s
e
d
f
r
a
me
w
or
k
f
o
r
e
a
r
l
y
id
e
nt
i
f
ic
a
ti
o
n
a
nd
mo
ni
t
or
in
g
of
C
O
V
I
D
-
19
c
a
s
e
s
,”
B
io
m
e
di
c
al
Si
gnal
P
r
oc
e
s
s
in
g
and
C
ont
r
ol
,
v
o
l.
62,
p.
102149,
S
e
p.
2
020,
do
i:
1
0.1016/J
.
B
S
P
C
.2020.102149.
[
9]
P
.
T
ha
kur
a
nd
S
.
K
a
ur
,
“
A
n
in
t
e
ll
ig
e
nt
s
y
s
t
e
m
f
o
r
p
r
e
d
ic
t
in
g
a
nd
pr
e
ve
nt
in
g
C
hi
kungun
y
a
vi
r
us
,”
in
2017
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
E
ne
r
gy
,
C
om
m
uni
c
at
io
n,
D
at
a
A
nal
y
ti
c
s
and
Sof
t
C
om
put
in
g,
I
C
E
C
D
S
2017
,
A
ug.
2018,
pp.
3483
–
34
92,
do
i:
10.1109/
I
C
E
C
D
S
.2017.8390109.
[
10]
S
.
K
.
S
oo
d
a
nd
I
.
M
a
ha
ja
n,
“
W
e
a
r
a
bl
e
I
oT
s
e
ns
or
ba
s
e
d
h
e
a
l
th
c
a
r
e
s
y
s
t
e
m
f
or
id
e
n
ti
f
y
in
g
a
nd
c
o
nt
r
o
ll
in
g
c
hi
kungun
y
a
v
i
r
us
,
”
C
om
put
e
r
s
i
n I
ndus
t
r
y
, v
o
l.
91, pp. 33
–
44, 2017, d
o
i:
10.1016/
j
.c
o
mpi
nd.2017.05.006.
[
11]
B
.
M
a
ha
la
ks
hmi
a
nd
G
.
S
us
e
e
nd
r
a
n,
“
Z
ik
a
v
ir
us
:
A
s
e
c
u
r
e
s
y
s
te
m
us
in
f
nbn
c
la
s
s
if
ie
r
f
o
r
pr
e
di
c
ti
ng
a
nd
pr
e
ve
nt
in
g
z
ik
a
in
c
l
o
ud,”
I
nt
e
r
nat
io
nal
J
our
nal
of
R
e
c
e
nt
T
e
c
hnol
ogy
and E
ngi
ne
e
r
in
g
, v
ol
. 7, n
o
. 4, pp. 28
–
32, 2018.
[
12]
S
.
S
a
r
e
e
n,
S
.
K
.
S
oo
d,
a
nd
S
.
K
.
G
upt
a
,
“
S
e
c
ur
e
in
te
r
n
e
t
of
th
in
gs
-
ba
s
e
d
c
l
o
ud
f
r
a
m
e
w
o
r
k
t
o
c
o
nt
r
o
l
z
ik
a
v
i
r
us
o
ut
br
e
a
k,”
I
nt
e
r
nat
io
nal
J
our
nal
o
f
T
e
c
hnol
ogy
A
s
s
e
s
s
m
e
nt
in
H
e
al
th
C
ar
e
,
v
ol
.
33,
no
.
1,
pp.
11
–
18,
2
017,
do
i:
10.1017/
S
0266462317000113.
[
13]
S
.
S
a
r
e
e
n,
S
.
K
.
G
upt
a
,
a
nd
S
.
K
.
S
oo
d,
“
A
n
in
te
ll
ig
e
nt
a
nd
s
e
c
ur
e
s
y
s
t
e
m
f
o
r
pr
e
di
c
ti
ng
a
nd
pr
e
v
e
n
ti
ng
Z
ik
a
v
i
r
us
o
ut
br
e
a
k
u
s
in
g
F
o
g
c
o
mput
in
g,”
E
nt
e
r
pr
is
e
I
n
f
or
m
at
io
n Sy
s
te
m
s
, v
o
l.
11, n
o
. 9
, pp. 1436
–
1456, 2017, do
i:
10.1080/17517575.
2016.1277558.
[
14]
R
.
S
a
ndhu,
H
.
K
.
G
il
l,
a
nd
S
.
K
.
S
oo
d,
“
S
ma
r
t
m
o
ni
t
or
in
g
a
nd
c
o
nt
r
o
ll
in
g
of
P
a
nd
e
mi
c
I
n
f
lu
e
n
z
a
A
(
H
1N
1)
us
in
g
s
oc
ia
l
ne
two
r
k
a
na
l
y
s
is
a
nd c
lo
ud
c
o
mput
in
g,”
J
our
nal
of
C
o
m
put
at
io
nal
Sc
ie
nc
e
, vo
l.
12, pp. 11
–
22, 2016, d
o
i:
10.1016/j
.j
oc
s
.2015.11.001.
[
15]
D.
A
y
a
ta
,
Y
.
Y
a
s
la
n,
a
nd
M
.
K
a
ma
s
a
k,
“
E
mo
ti
o
n
r
e
c
o
gni
t
i
o
n
v
ia
ga
l
v
a
ni
c
s
ki
n
r
e
s
p
o
ns
e
:
C
o
mpa
r
is
o
n
of
ma
c
hi
n
e
l
e
a
r
ni
ng
a
lg
o
r
it
h
ms
a
nd
f
e
a
tu
r
e
e
x
tr
a
c
ti
o
n
m
e
th
o
ds
,”
I
s
ta
nbul
U
ni
v
e
r
s
it
y
-
J
our
nal
of
E
le
c
tr
ic
al
and
E
le
c
tr
oni
c
s
E
ngi
ne
e
r
in
g
,
vo
l.
17,
no
. 1, pp. 312
9
–
3136, 2017.
[
16]
L
.
S
a
nt
a
ma
r
ia
-
G
r
a
na
do
s
,
M
.
M
unoz
-
O
r
ga
n
e
r
o
,
G
.
R
a
mi
r
e
z
-
G
o
n
z
a
le
z
,
E
.
A
bdul
ha
y
,
a
nd
N
.
A
r
unkuma
r
,
“
U
s
in
g
de
e
p
c
o
n
vo
lu
ti
o
na
l
ne
u
r
a
l
ne
tw
o
r
k
f
or
e
m
ot
i
o
n
de
t
e
c
ti
o
n
o
n
a
ph
y
s
i
o
l
o
gi
c
a
l
s
ig
na
ls
da
ta
s
e
t
(
A
M
I
G
O
S
)
,”
I
E
E
E
A
c
c
e
s
s
,
v
o
l.
7,
pp. 57
–
67,
2019, do
i:
10.1109/AC
C
E
S
S
.2018.2883213.
[
17]
N
.
K
o
mu
r
o
,
T
.
H
a
s
hi
guc
hi
,
K
.
H
i
r
a
i,
a
nd
M
.
I
c
hi
ka
w
a
,
“
P
r
e
di
c
ti
ng
in
di
v
id
ua
l
e
m
o
ti
o
n
f
r
o
m
pe
r
c
e
pt
i
o
n
-
ba
s
e
d
n
o
n
-
c
o
nt
a
c
t
s
e
ns
o
r
bi
g da
ta
,”
Sc
ie
nt
i
f
ic
R
e
por
ts
, v
o
l.
11, n
o
. 1, pp. 1
–
9, 2021, d
o
i:
10.1038/s
41598
-
021
-
81958
-
2.
[
18]
K
.
S
e
n
a
nd
S
.
P
a
l,
“
A
lt
e
r
na
ti
v
e
m
e
th
o
d
f
or
pa
in
a
s
s
e
s
s
me
nt
us
in
g
E
M
G
a
nd
G
S
R
,”
J
our
nal
of
M
e
c
hani
c
s
in
M
e
di
c
in
e
and
B
io
lo
gy
, vol
. 21, n
o
. 6, pp. 1
–
24, 2021, d
o
i:
10.1142/S
0219519
421500391.
[
19]
T
.
H
.
C
hu
e
h,
T
.
B
.
C
h
e
n,
H
.
H
.
S
.
L
u,
S
.
S
.
J
u,
T
.
H
.
T
a
o
,
a
nd
J
.
H
.
S
ha
w
,
“
S
ta
ti
s
ti
c
a
l
p
r
e
di
c
ti
o
n
of
e
m
o
ti
o
na
l
s
ta
te
s
b
y
ph
y
s
i
o
l
o
gi
c
a
l
s
ig
na
ls
w
it
h
ma
n
ov
a
a
nd
ma
c
hi
ne
l
e
a
r
ni
ng,
”
I
nt
e
r
nat
io
nal
J
our
nal
of
P
at
te
r
n
R
e
c
ogni
ti
on
and
A
r
ti
f
ic
ia
l
I
nt
e
ll
ig
e
nc
e
, vo
l.
26, n
o
. 4, pp. 1
–
18, 2012, d
o
i:
10.1142/S
0218
0
01412500085.
[
20]
J
.
K
im
a
nd
E
.
A
ndr
´
,
“
D
e
t
e
c
ti
o
n
of
a
f
f
e
c
ti
ve
pa
tt
e
r
ns
in
ph
y
s
i
ol
o
gi
c
a
l
s
ig
na
ls
to
w
a
r
ds
im
pr
ov
in
g
a
ut
oma
ti
c
e
m
o
ti
o
n
r
e
c
o
gni
ti
o
n,”
H
andbook
of
P
at
te
r
n R
e
c
ogni
ti
on and C
om
put
e
r
V
is
io
n, F
our
th
E
di
ti
on
, pp. 415
–
434, 2009, d
o
i:
10.1142/97898142
73398_01
8.
[
21]
M
.
S
o
l
e
y
ma
ni
,
G
.
C
ha
ne
l,
J
.
J
.
M
.
K
ie
r
k
e
ls
,
a
nd
T
.
P
un,
“
A
f
f
e
c
ti
v
e
c
ha
r
a
c
t
e
r
iz
a
ti
o
n
of
m
ov
i
e
s
c
e
n
e
s
ba
s
e
d
o
n
c
o
nt
e
nt
a
na
l
y
s
is
a
nd
phy
s
i
o
l
o
gi
c
a
l
c
ha
ng
e
s
,”
I
nt
e
r
nat
io
nal
J
our
nal
of
Se
m
ant
ic
C
om
put
in
g
,
v
o
l.
3,
no
.
2,
pp.
235
–
254,
2
009,
do
i:
1
0.1142/
S
1793351X09000744
.
[
22]
R
. M
. A
li
s
ha
, P
. V
ij
a
y
a
la
ks
hmi
, A
. J
a
tt
i,
M
. K
a
nna
n, a
nd S
. S
in
ha
, “
D
e
s
ig
n a
nd de
v
e
l
o
pme
nt
of
a
n I
O
T
ba
s
e
d w
e
a
r
a
bl
e
d
e
v
i
c
e
f
o
r
th
e
s
a
f
e
t
y
a
nd
s
e
c
ur
it
y
of
w
o
m
e
n
a
nd
gi
r
l
c
hi
ld
r
e
n,”
in
2016
I
E
E
E
I
nt
e
r
nat
io
nal
C
onf
e
r
e
n
c
e
on
R
e
c
e
nt
T
r
e
nds
in
E
le
c
tr
on
ic
s
,
I
nf
or
m
at
io
n
and
C
om
m
uni
c
at
io
n
T
e
c
hnol
ogy
,
R
T
E
I
C
T
2016
-
P
r
oc
e
e
di
ngs
,
M
a
y
2017,
pp.
1108
–
1112,
do
i:
10.1109/R
T
E
I
C
T
.2016.7808003.
[
23]
A
.
A
.
H
.
M
o
ha
ma
d,
N
.
K
.
J
uma
a
,
a
nd
S
.
H
.
M
a
je
e
d,
“
T
hi
n
gs
pe
a
k
c
l
o
ud
c
o
mput
in
g
pl
a
t
f
o
r
m
ba
s
e
d
E
C
G
di
a
gno
s
e
s
y
s
te
m,”
vo
l.
1, n
o
. 1, 2019.
[
24]
S
.
S
.
T
h
o
ma
s
,
A
.
S
a
r
a
s
w
a
t,
A
.
S
ha
s
hw
a
t,
a
nd
V
.
B
ha
r
ti
,
“
S
e
ns
in
g
he
a
r
t
be
a
t
a
nd
bo
d
y
t
e
mp
e
r
a
tu
r
e
di
gi
ta
ll
y
us
in
g
A
r
dui
n
o
,”
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
Si
gnal
P
r
oc
e
s
s
in
g,
C
om
m
uni
c
at
i
on,
P
ow
e
r
and
E
m
be
dde
d
Sy
s
te
m
,
SC
O
P
E
S
2016
-
P
r
oc
e
e
di
ngs
,
pp. 1721
–
1724, 2017, do
i:
10.1109/
S
C
O
P
E
S
.2016.7955737.
[
25]
R
a
me
s
h
S
a
ha
,
S
.
B
is
w
a
s
,
S
.
S
a
r
ma
h,
S
.
K
a
r
ma
ka
r
,
a
nd
P
.
D
a
s
,
“
A
w
o
r
ki
ng
pr
o
t
o
t
y
p
e
us
in
g
D
S
18
B
20
te
mp
e
r
a
tu
r
e
s
e
ns
o
r
a
nd
a
r
dui
no
f
or
h
e
a
lt
h m
o
ni
t
o
r
in
g,”
SN
C
om
put
e
r
Sc
ie
nc
e
, v
o
l.
2, n
o
. 1, pp. 1
–
21, 2021, d
o
i:
10.1007/s
42979
-
020
-
00434
-
2.
[
26]
R
.
A
na
ndh
a
nd
G
.
I
ndi
r
a
ni
,
“
R
e
a
l
ti
me
h
e
a
lt
h
m
o
ni
t
or
in
g
s
y
s
te
m
us
in
g
a
r
dui
no
w
it
h
c
l
o
ud
t
e
c
hn
o
l
og
y
,”
A
s
ia
n J
our
nal
of
C
om
put
e
r
S
c
ie
nc
e
and T
e
c
hnol
og
y
, v
ol
. 7, n
o
.
S
1, pp. 29
–
32, 2018,
do
i:
10.51983
/a
jc
s
t
-
2018.7.s
1.1810.
[
27]
A
.
A
.
R
a
hi
mo
o
n,
M
.
N
.
A
bdul
la
h,
a
nd
I
.
T
a
ib
,
“
D
e
s
ig
n
of
a
c
o
nt
a
c
tl
e
s
s
bo
d
y
t
e
mp
e
r
a
tu
r
e
m
e
a
s
ur
e
m
e
nt
s
y
s
t
e
m
us
in
g
A
r
dui
no
,”
I
ndone
s
ia
n
J
our
nal
o
f
E
le
c
t
r
ic
al
E
ngi
ne
e
r
in
g
and
C
o
m
put
e
r
Sc
ie
n
c
e
,
v
o
l.
19,
n
o
.
3,
pp.
1251
–
1258,
2020,
do
i:
10.11591/i
je
e
c
s
.v
19.
i3
.pp1251
-
1258.
[
28]
A
. N
duka
, J
. S
a
mua
l,
S
.
E
la
ng
o
, S
.
D
i
v
a
ka
r
a
n, U
. U
ma
r
, a
nd
R
. S
e
n
th
il
pr
a
bha
, “
I
nt
e
r
n
e
t
of
t
hi
ngs
ba
s
e
d
r
e
m
o
t
e
h
e
a
lt
h
m
o
ni
t
or
i
ng
s
y
s
te
m
us
in
g
a
r
dui
n
o
,”
P
r
oc
e
e
di
ngs
of
th
e
3
r
d
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
I
-
SM
A
C
I
oT
in
Soc
ia
l,
M
obi
le
,
A
nal
y
ti
c
s
and
C
lo
ud,
I
-
SM
A
C
2019
, pp. 572
–
576, 2019, d
o
i:
10.1109/
I
-
S
M
A
C
47947.2019.9032438.
[
29]
A
.
K
. J
a
me
i
l
a
nd
H
. A
l
-
R
a
w
e
s
hi
d
y
, “
A
d
ig
it
a
l
t
w
i
n
f
r
a
me
w
o
r
k
f
o
r
r
e
a
l
-
ti
me
he
a
l
th
c
a
r
e
mo
n
it
o
r
i
ng
:
le
v
e
r
a
gi
ng
A
I
a
n
d s
e
c
u
r
e
s
y
s
te
m
s
f
o
r
e
nh
a
nc
e
d
p
a
t
ie
n
t
o
ut
c
o
me
s
,
”
D
i
s
c
ov
e
r
I
n
te
r
n
e
t
o
f
T
hi
n
g
s
,
v
o
l.
5
,
no
.
1,
p
.
37
,
A
pr
.
20
25
,
do
i:
1
0.
10
07/
s
43
92
6
-
02
5
-
0
01
35
-
3.
[
30]
N
.
J
.
P
a
pr
i,
A
.
A
hm
e
d,
a
nd
A
.
C
h
o
w
dhur
y
,
“
I
oT
a
n
d
c
l
o
ud
-
ba
s
e
d
n
o
n
-
in
v
a
s
i
ve
di
a
be
te
s
d
e
t
e
c
ti
o
n
s
y
s
t
e
m
f
r
o
m
pho
t
o
pl
e
th
y
s
m
o
gr
a
m,”
D
is
c
ov
e
r
I
nt
e
r
ne
t
o
f
T
hi
ngs
, v
o
l.
5, n
o
.
1, p. 57, M
a
y
2025, d
o
i
:
10.1007/s
43926
-
025
-
00158
-
w.
[
31]
K
.
B
a
bu,
A
.
G
.
C
ha
nda
r
,
a
nd
S
.
K
a
nna
dha
s
a
n,
“
P
r
e
di
c
ti
o
n
a
nd
di
a
gno
s
is
of
c
a
r
di
ov
a
s
c
ul
a
r
di
s
e
a
s
e
us
in
g
c
l
o
ud
a
nd
ma
c
h
in
e
le
a
r
ni
ng d
e
s
ig
n,”
J
our
nal
of
C
lo
ud C
om
put
in
g
, v
o
l.
14, n
o
. 1, p
. 3, J
a
n. 2025, do
i:
10.1186/s
13677
-
024
-
00720
-
x.
[
32]
S
.
H
a
m
z
e
h
e
i,
O
.
A
kba
r
z
a
d
e
h,
H
.
A
tt
a
r
,
K
.
R
e
z
a
e
e
,
N
.
F
a
s
ih
ih
o
ur
,
a
nd
M
.
R
.
K
ho
s
r
a
v
i,
“
P
r
e
di
c
ti
ng
th
e
t
o
ta
l
uni
f
i
e
d
pa
r
ki
ns
o
n’
s
di
s
e
a
s
e
r
a
ti
ng
s
c
a
le
(
U
P
D
R
S
)
ba
s
e
d
o
n
M
L
t
e
c
hni
que
s
a
nd
c
lo
ud
-
ba
s
e
d
upda
te
,”
J
our
nal
of
C
lo
ud
C
om
put
in
g
,
v
o
l.
12,
n
o.
1,
pp. 1
–
16, 2023, do
i:
10.1186/s
13677
-
022
-
00388
-
1.
[
33]
H
.
W
a
ng
e
t
al
.
,
“
H
e
a
lt
hA
I
oT
:
A
I
oT
-
dr
i
ve
n
s
ma
r
t
he
a
lt
h
c
a
r
e
s
y
s
te
m
f
o
r
s
us
ta
in
a
bl
e
c
l
o
ud
c
o
mpu
ti
ng
e
n
v
ir
o
nm
e
n
ts
,”
I
nt
e
r
ne
t
of
T
hi
ngs
, v
o
l.
31, n
o
. D
e
c
e
mb
e
r
2024, p. 101555, M
a
y
2025, d
o
i:
10.1016/j
.
i
o
t.
2025.101555.
[
34]
A
. S
w
a
in
, A
. D
a
l
e
i,
a
nd
S
. S
a
h
oo
,
“
E
m
o
ti
o
na
l
w
e
ll
-
be
in
g
of
a
huma
n:
a
c
a
s
e
s
tu
d
y
of
pr
o
p
o
s
in
g a
di
gi
ta
l
twi
n
s
o
lu
ti
o
n i
nt
e
gr
a
ti
ng
I
oT
s
e
ns
or
s
a
nd
c
lo
ud
c
o
mput
in
g,”
in
2025
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
A
m
bi
e
nt
I
nt
e
ll
ig
e
nc
e
in
H
e
al
th
C
ar
e
(
I
C
A
I
H
C
)
,
J
a
n. 2025, pp. 1
–
7, do
i:
10.1109/I
C
A
I
H
C
64101.2025.10956277.
[
35]
E
. S
y
s
t
e
ms
, “
E
S
P
8266
E
X
da
ta
s
he
e
t
v
e
r
s
io
n 6.0,”
2020.
[
36]
“
T
hi
ng
S
pe
a
k
f
or
I
oT
,
”
[
O
nl
in
e
]
. A
v
a
il
a
bl
e
:
ht
tp
s
:/
/t
hi
ngs
pe
a
k.
c
o
m/
.
[
3
7
]
M
.
R
o
c
c
e
t
t
i
,
G
.
D
e
l
ne
v
o
,
L
.
C
a
s
i
n
i
,
a
n
d
P
.
S
a
l
o
m
o
ni
,
“
A
c
a
u
t
i
o
n
a
r
y
t
a
le
f
o
r
m
a
c
h
i
ne
l
e
a
r
n
i
n
g
de
s
i
g
n
:
w
hy
w
e
s
t
i
l
l
n
e
e
d
h
u
m
a
n
-
a
s
s
i
s
t
e
d
b
i
g
d
a
t
a
a
n
a
l
y
s
i
s
,
”
M
o
b
i
l
e
N
e
t
w
o
r
k
s
a
n
d
A
p
p
l
i
c
a
t
i
o
n
s
,
v
o
l
.
2
5
,
no
.
3
,
p
p
.
1
0
7
5
-
1083, 2020, d
o
i:
1
0
.
1
0
0
7
/
s
1
1
0
3
6
-
020
-
01530
-
6.
[
38]
L
.
C
a
i
a
nd Y
. Z
hu, “
T
h
e
c
ha
ll
e
nge
s
of
da
ta
qua
li
t
y
a
nd da
ta
qu
a
li
t
y
a
s
s
e
s
s
me
nt
i
n
t
he
bi
g da
ta
e
r
a
,”
D
at
a Sc
ie
nc
e
J
our
nal
, vo
l.
14,
no
. 0, p. 2, M
a
y
2015, d
o
i
:
10.5334/ds
j
-
2015
-
002.
Evaluation Warning : The document was created with Spire.PDF for Python.