با توجه به رشد پدیده سالمندی، استفاده از فناوری سامانه های هوشمند جهت نظارت بر فعالیت های روزمره که منجر به کاهش هزینه های نظارتی، مراقبتی و درمانی سالمندان می شود، موردتوجه قرارگرفته شده است. با توجه به این که، فعالیت های روزانه هر فرد با حالات خلقی وی مرتبط است، بنابراین با استفاده از الگوریتم های تصمیم گیر هوشمند مانند الگوریتم های یادگیری ماشین می توان این ارتباط را مدل نمود. در این تحقیق، برای مدل کردن حالات خلق با توجه به فعالیت های روزانه سالمند، از الگوریتم های تصمیم گیر هوشمندی از قبیل مدل احتمالاتی مبتنی بر شبکه بیزین قابل توصیف، ماشین بردار پشتیبان، K نزدیک ترین همسایه، تحلیل متمایزکننده خطی، درخت تصمیم و یادگیری دسته بندی جمعی دسته ای و تقویتی استفاده شده است. بدین منظور سامانه هوشمندی شامل خانه، دستبند و تلفن همراه برای جمع آوری داده های موردنیاز جهت پیاده سازی، آموزش و ارزیابی مدل های پیشنهادی طراحی و آماده شد. با سامانه هوشمند موردنظر، فعالیت های روزانه فردی به مدت 5 ماه ثبت و با کمک گروه روانشناسی وضعیت خلق وی برچسب گذاری شد. نتایج به دست آمده نشان می دهد که روش های تصمیم گیری ماشین بردار پشتیبان و درخت تصمیم گیری دسته جمعی دسته ای می توانند با دقت بالایی حالات خلق شخص را با توجه به فعالیت های روزمره وی تشخیص دهند؛ اما به لحاظ کاربردی، مدل شبکه بیزین طراحی شده، به علت قابل توصیف بودن ارتباط میان متغیرهای مربوط به فعالیت و حالات خلق، به روانشناس در بررسی و تحلیل علل حالات خلق تشخیصی می تواند کمک مؤثرتری نماید.