توضیحات محصول

عنوان فارسی:

روش مدل سازی با داده‌ های بزرگ بر اساس موتور توصیه برای مراقبت بهداشتی مدرن محیط زیست

عنوان انگلیسی:

A Modeling Approach to Big Data Based Recommendation Engine in Modern Health Care Environment

فهرست مطالب

۱- چکیده

۲- مقدمه

۳- مشکلات و انگیزه

۴- سابقه و تحقیقات بازار

۵- هنر دولت

۶- بررسی ادبیات

۷- مدل بیز ساده و بی‌تکلف برای طبقه بندی

۸- سیستم تست و ارزیابی

۹- مطالعه موردی

 

نمونه متن انگلیسی

Abstract

Over the past several years, data has been growing immensely in all business sectors. While many industries are successful in performing big data analysis to benefit from data sets, health care sector has started to take small steps to move forward. Health care providers and investors are actively investing in data analytical capabilities to successfully benefit from these data sets. This move will help them to have a better understanding of the complexity of changing health care environment. Our goals are to manage and integrate various unstructured health care big data sets in a secure environment, to generate useful knowledge from these unstructured data sets and to translate the knowledge into a working useful practical model. The main focus of this research project work is to build an application system for early identification of diseases.

نمونه متن فارسی

چکیده:

در طول چند سال گذشته، داده در تمام بخش های کسب و کار به شدت در حال گسترش است. در حالی که بسیاری از صنایع هستند که در انجام تجزیه و تحلیل داده های بزرگ از بهره مندی مجموعه ای از داده ها موفق ، بخش بهداشت و درمان را آغاز کرده به برداشتن گام های کوچک و حرکت به جلو است. ارائه دهندگان مراقبت های بهداشتی و سرمایه گذاران به طور فعال زمانی قابلیت های تحلیل داده ها به نفع سرمایه گذاری موفق از این مجموعه داده است.

این حرکت آنها کمک خواهد کرد تا درک بهتر درستی از پیچیدگی تغییر مراقبت های بهداشتی محیط زیست داشته باشیم. اهداف ما برای مدیریت و یکپارچه سازی های مختلف مراقبت های بهداشتی بدون ساختار مجموعه داده های بزرگ در یک محیط امن، و تولید دانش مفید از این مجموعه داده های بدون ساختار و برای ترجمه دانش که مانند یک مدل عملی مفید کار می کند. تمرکز اصلی این کار پروژه تحقیقاتی است که برای ساخت سیستم نرم افزار ی که برای شناسایی اولیه بیماری است.

این سیستم نرم افزاری می تواند یک ابزار بسیار مفید برای مراقبت های بهداشتی ارائه دهندگان خدمات به منظور بهبود کیفیت کلی هر دو و بهره وری در منطقه مراقبت های بهداشتی باشد. سیستم نرم افزار ساخته شده ، با استفاده ازالگوریتم بیز (NB) طبقه بندی ساده در حال اجرا در بالای آپاچی فیلبان، به توصیه شرایط بهداشتی از کاربران، نرخ بستری مجدد، بهینه سازی درمان و عوارض جانبی. روش مراقبت های بهداشتی موجود عمدتا بر اساس روش رگرسیون استاندارد، که دارای محدودیت می باشد.

پژوهش ما در تجزیه و تحلیل و با استفاده از روش های جدید داده های بزرگ است. ما با استفاده از الگوریتم طبقه بندی NB برای تشخیص بیماری و ارائه پیشنهادات لازم درمان استفاده کردیم. هنگامی که بیماری مشخص شد، ارائه هزینه درمان در خصوص مراقبت صحیح از بیماران باید بهینه سازی است. همچنین متوسط امید به زندگی برای مردم را می توان با مراقبت مناسب درمان از مراحل اولیه افزایش داد.


برچسب ها:

, , , , , , , , ,
کد محصول 1148
قابل ویرایش می باشد
قابل پرینت می باشد
حجم فایل 2.5 مگابایت
رفرنس دارد
محتوای فایل دانلودی Zip
نشریه IEEE
سال انتشار 2015
فرمت ترجمه مقاله ورد تایپ شده
فرمت مقاله انگلیسی پی دی اف
تعداد صفحات ترجمه فارسی 36 صفحه
تعداد صفحات مقاله انگلیسی 12 صفحه
رشته های مرتبط با این مقاله مهندسی کامپیوتر، علوم بهداشت و سلامت و محیط زیست
گرایش های مرتبط با این مقاله مهندسی نرم افزار، محاسبات، بیو انفورماتیک و محیط زیست
مجله Annual International Computers، Software & Applications Conference
دانشگاه Department of Computer Engineering، San Jose State University،
کلمات کلیدی Big Data Analytics، Health Care، Predictive Analytics، Hadoop، Data Sets، Cloud، Mahout، R Language، Data Mining، Apache Spark، Incomplete Data، Naïve Bayes Classifier، Iterative Learning and Random Forest.
جزئیات محصول این محصول شامل یک فایل ورد تایپ شده (قابل ویرایش) و نیز یک فایل پی دی اف ترجمه مقاله می‌ باشد.

نظری بدهید

*

code

For security, use of Google's reCAPTCHA service is required which is subject to the Google Privacy Policy and Terms of Use.

If you agree to these terms, please click here.