Indiziert in
  • Datenbank für wissenschaftliche Zeitschriften
  • Öffnen Sie das J-Tor
  • Genamics JournalSeek
  • JournalTOCs
  • Forschungsbibel
  • Ulrichs Zeitschriftenverzeichnis
  • Elektronische Zeitschriftenbibliothek
  • RefSeek
  • Hamdard-Universität
  • EBSCO AZ
  • OCLC – WorldCat
  • Gelehrtersteer
  • SWB Online-Katalog
  • Virtuelle Bibliothek für Biologie (vifabio)
  • Publons
  • MIAR
  • Genfer Stiftung für medizinische Ausbildung und Forschung
  • Euro-Pub
  • Google Scholar
Teile diese Seite
Zeitschriftenflyer
Flyer image

Abstrakt

Denguefieber aus der Perspektive von Clustering-Algorithmen

Kamran Shaukat1*, Nayyer Masood2, Ahmed Bin Shafaat1, Kamran Jabbar1, Hassan Shabbir1 und Shakir Shabbir1

Denguefieber ist eine Krankheit, die durch Aedes Aegypti-Mücken übertragen und verursacht wird. Denguefieber ist auf der ganzen Welt zu einem ernsthaften Gesundheitsproblem geworden, insbesondere in den tropischen oder subtropischen Ländern, da Regen ein wichtiger Faktor für das Wachstum und die Zunahme der Population der Dengue übertragenden Mücken ist. Wissenschaftler verwenden seit langem Data-Mining-Algorithmen zur Diagnose und Prognose verschiedener Krankheiten, darunter auch Denguefieber. Dies war eine Studie zur Analyse des Denguefieberausbruchs in verschiedenen Gebieten des Distrikts Jhelum, Pakistan, im Jahr 2011. Unseres Wissens nach ist uns keine Art von Forschungsstudie im Gebiet des Distrikts Jhelum zur Diagnose oder Analyse von Denguefieber bekannt. Unseren Informationen zufolge sind wir die ersten, die Denguefieber in diesem speziellen Gebiet erforschen und analysieren. Der Datensatz wurde vom Büro des Executive District Officer EDO (Gesundheit) des Distrikts Jhelum erhalten. Wir haben den DBSCAN-Algorithmus zur Clusterung von Denguefieber angewendet. Zunächst haben wir das Gesamtverhalten von Denguefieber im Distrikt Jhelum gezeigt. Anschließend haben wir das Denguefieber auf Tehsil-Ebene anhand geografischer Bilder erklärt. Anschließend haben wir anhand von Diagrammen auf Grundlage unseres Datensatzes einen Vergleich verschiedener Clustering-Algorithmen ausgearbeitet. Zu diesen Algorithmen gehören K-Means, K-Mediods, DBSCAN und OPTICS.

Haftungsausschluss: Dieser Abstract wurde mit Hilfe von Künstlicher Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.