Use este identificador para citar ou linkar para este item: https://repositorio.uema.br/jspui/handle/123456789/689
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorCosta, Denner Araujo-
dc.date.accessioned2019-07-09T22:58:58Z-
dc.date.available2019-07-09T22:58:58Z-
dc.date.issued2017-08-08-
dc.identifier.urihttp://repositorio.uema.br/handle/123456789/689-
dc.description81 p.Dissertação (Mestrado em Engenharia de Computação e Sistemas) - Universidade Estadual do Maranhão, 2017. Orientadora: Profa. Dra. Áurea Celeste da Costa Ribeiropt_BR
dc.description.abstractNa atualidade, a Diabetes Mellitus é uma patologia incurável e o número de pessoas afetadas continua a agravar-se. Neste trabalho foram aplicadas técnicas de data mining e codificação eficiente para extrair conhecimento de uma amostra dos dados existentes no Data Warehouse do Sistema Único de Saúde para diagnosticar diabetes sem a utilização de valores de testes bioquímicos. A codificação eficiente foi utilizada para formar uma nova representação concisa dos dados e diferentes técnicas de data mining foram utilizadas para demonstrar a melhora na classificação das classes. O método proposto alcançou acurácia de 99.96%.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherUEMApt_BR
dc.subjectData Miningpt_BR
dc.subjectDiabetespt_BR
dc.subjectSUSpt_BR
dc.subjectBrasilpt_BR
dc.titleAuxílio ao diagnóstico da diabetes tipo II na região nordeste com a utilização de marcadores não invasivos.pt_BR
dc.typedissertationpt_BR
dc.identifier.cduD 004.6:616.379-008.64(81)-
Aparece nas coleções:Mestrado Profissional em Engenharia da Computação e Sistemas - CCT - Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Denner Araujo Costa.pdf932.35 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.