Έρευνα για έξυπνες συσκευές υγείας και εξόρυξη δεδομένων
Φόρτωση...
Ημερομηνία
Συγγραφείς
Καλφούντζος, Φωκίων
Σίσκας, Σπυρίδωνας
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Στην παρούσα πτυχιακή εργασία με θέμα : Έρευνα για έξυπνες συσκευές υγείας και εξόρυξη δεδομένων με το Weka αρχικά θα γνωρίσουμε το ΙοΤ καθώς επίσης και τα πλεονεκτήματα, μειονεκτήματα και τις εφαρμογές του Internet of Things.
Στο επόμενο κεφάλαιο θα ασχοληθούμε με το ΙοΤ στην υγεία. Θα μιλήσουμε για το ΙοΜΤ καθώς επίσης και τα οφέλη και τις εφαρμογές του. Στο τέλος θα παρουσιάσουμε ορισμένες από τις συσκευές παρακολούθησης της υγείας.
Στο τρίτο κεφάλαιο θα μιλήσουμε για τη μηχανική μάθηση καθώς επίσης και τις μεθόδους ταξινόμησης: K- Nearest Neighbor, Naïve Bayes, Decision trees, Svm.
Στο τέταρτο κεφάλαιο θα γνωρίσουμε το λογισμικό WEKA, το περιβάλλον εργασίας του και την οπτικοποίηση αποτελεσμάτων.
Στο πέμπτο κεφάλαιο θα διεξάγουμε μια έρευνα όπου καλούνται κάποια άτομα να απάντησαν σε ερωτήσεις και να συγκεντρώσουμε τα αποτελέσματα του αρχείου .CSV και τα μετατρέψαμε σε αρχείο .arff και να τα τρέξουμε στο WEKA. Στο τέλος θα παρουσιάσουμε τα αποτελέσματα και θα καταλήξουμε στο συμπέρασμα ποιος αγόριθμος είναι ο βέλτιστος.
In this thesis on the topic: Research on smart health devices and data mining with Weka, we will initially get to know the IoT as well as the advantages, disadvantages and applications of the Internet of Things. In the next chapter we will deal with IoT in health. We will talk about IoMT as well as its benefits and applications. At the end we will introduce some of the health monitoring devices. In the third chapter we will talk about machine learning as well as classification methods: K- Nearest Neighbor, Naïve Bayes, Decision trees, Svm. In the fourth chapter we will get to know the WEKA software, its working environment and the visualization of results. In the fifth chapter we will conduct a survey where some people are invited to answer questions and collect the results of the .CSV file and convert them into an .arff file and run them in WEKA. At the end we will present the results and come to the conclusion which boyth is optimal.
In this thesis on the topic: Research on smart health devices and data mining with Weka, we will initially get to know the IoT as well as the advantages, disadvantages and applications of the Internet of Things. In the next chapter we will deal with IoT in health. We will talk about IoMT as well as its benefits and applications. At the end we will introduce some of the health monitoring devices. In the third chapter we will talk about machine learning as well as classification methods: K- Nearest Neighbor, Naïve Bayes, Decision trees, Svm. In the fourth chapter we will get to know the WEKA software, its working environment and the visualization of results. In the fifth chapter we will conduct a survey where some people are invited to answer questions and collect the results of the .CSV file and convert them into an .arff file and run them in WEKA. At the end we will present the results and come to the conclusion which boyth is optimal.
Περιγραφή
Λέξεις-κλειδιά
Έξυπνες συσκευές, Εξόρυξη δεδομένων, Υγεία
Θεματική κατηγορία
Έξυπνες συσκευές - Υγεία
Παραπομπή
Σύνδεσμος
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Όνομα επιβλέποντος
Γιαννακέας, Νικόλαος
Εξεταστική επιτροπή
Τζάλλας, Αλέξανδρος
Δημόπουλος, Δημήτριος
Δημόπουλος, Δημήτριος
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ονόματα συντελεστών
Αριθμός σελίδων
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States