CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مانیتورینگ سلامت و تشخیص وضعیت نرمال و غیر نرمال در بستر IOT به کمک الگوریتم خوشه بندی بهبود یافته

عنوان مقاله: مانیتورینگ سلامت و تشخیص وضعیت نرمال و غیر نرمال در بستر IOT به کمک الگوریتم خوشه بندی بهبود یافته
شناسه ملی مقاله: CARSE06_310
منتشر شده در ششمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی در سال 1401
مشخصات نویسندگان مقاله:

رامین بدری - دانشگاه آزاد اسلامی واحد شبستر

خلاصه مقاله:
یکی از کاربردهای اینترنت اشیا در مانیتورینگ سلامت افراد می باشد. مجموعه ای از سنسورهای سلامت از قبیل سنسور ضربان قلب و تنفس در این مقاله به منظور تشخیص وضعیت نرمال و غیر نرمال یک فرد در بستر IOT مورد بررسی قرار می گیرد. روش ترکیب اطلاعات در بستر IOT روش تئوری شواهد می باشد. مشکل روش تئوری شواهد در تعیین توابع جرم می باشد که در این مقاله به عنوان نوآوری از روش های خوشه بندی برای ساخت توابع جرم الگوریتم تئوری شواهد استفاده شده است. نتایج بر روی داده های تولید شده از سناریوهای واقعی پیاده سازی شده است و ارزیابی ها دقت بالای ۹۰ درصد را در تشخیص وضعیت غیر نرمال دارد

کلمات کلیدی:
مانیتورینگ سلامت، تشخیص حالت غیر نرمال، IOT، روش تئوری شواهد

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1447473/