در سیستم‌هایی که افراد در فعالیت‌های روزانه خود به مراقبت ویژه نیاز دارند، الگوریتم‌های تشخیص فعالیت انسانی کاربرد دارند. روش‌های مختلف یادگیری ماشین، از جمله مدل مخفی مارکوف و روش‌های مرتبط به آن، به طور گسترده‌ای برای حل مساله تشخیص فعالیت انسانی استفاده شده‌اند. در کارهای قبلی، روش‌های مبتنی بر مدل مخفی مارکوف از فرض استقلال شرطی برای محاسبه احتمال مشاهدات استفاده شده است. در این تحقیق، به جای فرض استقلال شرطی، یک مدل احتمالی جدید برای فضای رشته‌ها، بر اساس تاب‌خوردگی زمان پویا و فاصله لونشتاین وزنی پیشنهاد شده است. مدل احتمالی پیشنهادی، که با یک مدل مخفی شبه‌مارکف ترکیب شده، روی یکی از مجموعه داده‌های در دسترس اعمال شده است. نتایج حاصله نشان می‌دهد که استفاده از مدل پیشنهادی دقت شناسایی فعالیت‌های روزانه را به میزان قابل توجهی اقزایش می‌دهد. کلیه کدها و داده‌ها مقاله حاضر، از طریق پیوند github.com/ashnik1353 در دسترس هستند.
