Журнал теоретических и вычислительных наук
Открытый доступ

Абстрактный

Платформа анализа больших данных для служб сельского здравоохранения

Аппиа Принс

Эпоха цифровых технологий пришла с большим количеством данных, которые необходимо анализировать с помощью инструментов предиктивной аналитики. В случае экспоненциального роста объема данных здравоохранения с Интернетом вещей (дронами) внимание привлекла аналитика больших данных. Сегодняшняя тенденция в сборе эпидемиологических данных о заболеваниях лучше всего осуществляется с помощью дронов. Следовательно, это структурированные, полуструктурированные и неструктурированные данные, которые приводят к тралению данных с помощью дронов. В этой статье предлагается инструмент больших данных для соответствующей техники машинного обучения для разделения и кластеризации данных дронов для точного прогнозирования с целью улучшения качества здравоохранения. Предлагаемый подход направлен на преодоление траления данных с помощью дронов и предоставление аналитики в реальном времени данных краудсенсинга. Реализация была выполнена с использованием ядра Apache Spark с алгоритмом машинного обучения для лучшего разделения потоковой передачи в реальном времени из разных источников от толпы. Согласно результатам проведенного эксперимента, концепция имеет потенциал для улучшения качества прогнозов в области здравоохранения. Результаты исследования ясно показали, что кластеризация по методу K-средних имеет самую высокую скорость управления разделяемыми данными в режиме реального времени по сравнению с кластеризацией на основе сетки и плотности.