A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/1822/47729 |
Resumo: | Dissertação de mestrado em Engenharia Informática (área de especialização em Sistemas de Suporte à Decisão) |
id |
RCAP_f7ba0809e67bb62529af9b79207e54e8 |
---|---|
oai_identifier_str |
oai:repositorium.sdum.uminho.pt:1822/47729 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, MalaysiaUma abordagem de mineração de dados para a previsão eficaz de surtos de DengueClusteringCross-industry standard process for Data MiningData MiningDecision TreesDengue FeverKnowledge discovery in databasesÁrvores de DecisãoDescoberta de conhecimento em bases de dadosFebre de DengueMineração de dadosProcesso padrão inter-indústrias para mineração de dadosSegmentaçãoEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado em Engenharia Informática (área de especialização em Sistemas de Suporte à Decisão)In Malaysia, the incidence rate of Dengue Fever and Dengue Haemorrhagic Fever has reached the level of epidemic, and its numbers keep growing. In the last few years, a big effort has been put into developing methods for predicting dengue outbreaks. However, the path for undertaking effectively those predictions, and therefore save Human lives, is still a very long one. This dissertation work focused on the use of Data Mining techniques, for discovering hidden patterns on data obtained by crossing information related to patients infected with dengue in Malaysia and meteorological data coming from the areas where those patients got infected.Na Malásia, a taxa de incidência de febre de dengue e febre hemorrágica de dengue atingiu o nível de epidemia, continuando os seus números a crescer. Nos últimos anos, um grande esforço tem sido empreendido no desenvolvimento de métodos para prever surtos de dengue, mas o caminho para realizar de forma eficaz essas previsões, e, portanto, salvar vidas humanas, é ainda muito longo. Este trabalho de dissertação incidiu no uso de técnicas de mineração de dados para descobrir padrões escondidos nos dados obtidos através do cruzamento de informação acerca de pacientes infectados com dengue na Malásia e dados meteorológicos relativos às áreas geográficas onde os pacientes foram infectados.Belo, O.Long, Zalizah AwangUniversidade do MinhoCoutinho, Celso Filipe Nogueira2016-01-112016-01-11T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/1822/47729eng201615533info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:33:25Zoai:repositorium.sdum.uminho.pt:1822/47729Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:28:55.824091Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia Uma abordagem de mineração de dados para a previsão eficaz de surtos de Dengue |
title |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia |
spellingShingle |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia Coutinho, Celso Filipe Nogueira Clustering Cross-industry standard process for Data Mining Data Mining Decision Trees Dengue Fever Knowledge discovery in databases Árvores de Decisão Descoberta de conhecimento em bases de dados Febre de Dengue Mineração de dados Processo padrão inter-indústrias para mineração de dados Segmentação Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia |
title_full |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia |
title_fullStr |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia |
title_full_unstemmed |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia |
title_sort |
A Data Mining approach towards effective Dengue outbreak prediction in Seremban, Malaysia |
author |
Coutinho, Celso Filipe Nogueira |
author_facet |
Coutinho, Celso Filipe Nogueira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Belo, O. Long, Zalizah Awang Universidade do Minho |
dc.contributor.author.fl_str_mv |
Coutinho, Celso Filipe Nogueira |
dc.subject.por.fl_str_mv |
Clustering Cross-industry standard process for Data Mining Data Mining Decision Trees Dengue Fever Knowledge discovery in databases Árvores de Decisão Descoberta de conhecimento em bases de dados Febre de Dengue Mineração de dados Processo padrão inter-indústrias para mineração de dados Segmentação Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Clustering Cross-industry standard process for Data Mining Data Mining Decision Trees Dengue Fever Knowledge discovery in databases Árvores de Decisão Descoberta de conhecimento em bases de dados Febre de Dengue Mineração de dados Processo padrão inter-indústrias para mineração de dados Segmentação Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
Dissertação de mestrado em Engenharia Informática (área de especialização em Sistemas de Suporte à Decisão) |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-01-11 2016-01-11T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1822/47729 |
url |
http://hdl.handle.net/1822/47729 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
201615533 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799132787035340800 |