Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Intelligent decision support for real time health care monitoring system

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F15%3A86097014" target="_blank" >RIV/61989100:27240/15:86097014 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/15:86097014

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-13572-4_15" target="_blank" >http://dx.doi.org/10.1007/978-3-319-13572-4_15</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-13572-4_15" target="_blank" >10.1007/978-3-319-13572-4_15</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Intelligent decision support for real time health care monitoring system

  • Popis výsledku v původním jazyce

    In the health care monitoring, data mining is mainly used for classification and predicting the diseases. Various data mining techniques are available for classification and predicting diseases. This paper analyzes and evaluates various classification techniques for decision support system and for assisting an intelligent health monitoring system. The aim of this paper is to investigate the experimental results of the performance of different classification techniques for classifying the data from different wearable sensors used for monitoring different diseases. The Base Classifiers Proposed used in this work are IBk, Attribute Selected Classifier, Bagging, PART, J48, LMT, Random Forest and the Random Tree algorithm. Experiments are conducted on wearable sensors vital signs data set, which was simulated using a hospital environment. The main focus was to reduce the dimensionality of the attributes and perform different comparative analysis and evaluation using various evaluation metho

  • Název v anglickém jazyce

    Intelligent decision support for real time health care monitoring system

  • Popis výsledku anglicky

    In the health care monitoring, data mining is mainly used for classification and predicting the diseases. Various data mining techniques are available for classification and predicting diseases. This paper analyzes and evaluates various classification techniques for decision support system and for assisting an intelligent health monitoring system. The aim of this paper is to investigate the experimental results of the performance of different classification techniques for classifying the data from different wearable sensors used for monitoring different diseases. The Base Classifiers Proposed used in this work are IBk, Attribute Selected Classifier, Bagging, PART, J48, LMT, Random Forest and the Random Tree algorithm. Experiments are conducted on wearable sensors vital signs data set, which was simulated using a hospital environment. The main focus was to reduce the dimensionality of the attributes and perform different comparative analysis and evaluation using various evaluation metho

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Advances in Intelligent Systems and Computing. Volume 334

  • ISBN

    978-3-319-13571-7

  • ISSN

    2194-5357

  • e-ISSN

  • Počet stran výsledku

    10

  • Strana od-do

    183-192

  • Název nakladatele

    Springer

  • Místo vydání

    Heidelberg

  • Místo konání akce

    Addis Ababa

  • Datum konání akce

    17. 11. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku