CLOUD-BASIERTER RAHMEN FÜR DIE VERARBEITUNG VON DIABETESDATEN

Mit dem exponentiellen Wachstum von Daten aus verschiedenen sozialen Netzwerken wie Facebook, Twitter, mobilen Anwendungen, Digitalkameras, Sensornetzwerken usw. und auch aus der biomedizinischen Forschung ist das Gesamtdatenvolumen enorm gestiegen. Die Analyse und Extraktion von Informationen aus solch dynamischen Daten ist heute eine sehr anspruchsvolle Aufgabe. Data Mining spielt eine wichtige Rolle bei der Verarbeitung großer Datenmengen zur Analyse von Mustererkennung und medizinischen Vorhersagen. Wir können Daten mit verschiedenen Algorithmen und Techniken wie Klassifizierung, Clustering, Regression, Assoziationsregeln usw. auswerten. Diese Muster können für eine schnelle und bessere klinische Entscheidungsfindung in der Präventiv- und Suggestivmedizin genutzt werden. Es implementiert eine effiziente Data-Mining-Technik namens Frequent-Pattern-Growth-Algorithmus (FP-Growth), um den Diabetes-Datensatz zu analysieren, der von verschiedenen Patienten gesammelt wurde, und generiert nützliche Vorhersageergebnisse. Auf die in der Cloud gespeicherten Dateien kann jederzeit und von jedem Ort aus zugegriffen werden, solange ein Internetzugang besteht. In der Cloud werden also die Diabetes-Datensätze gespeichert und mithilfe des FP-Growth-Algorithmus nützliche Vorhersageergebnisse erzeugt.

Autorentext

P. Sangeetha erwarb ihren Bachelor-Abschluss im Bereich Informatik und Ingenieurwesen am SNS College of Technology und ihren Master-Abschluss am KPR Institute of Engineering and Technology, Coimbatore. Zurzeit arbeitet sie als Assistenzprofessorin in der Abteilung für Informatik und Ingenieurwesen am Kathir College of Engineering.