최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기융합정보논문지 = Journal of Convergence for Information Technology, v.9 no.4, 2019년, pp.1 - 7
The medical environment, combined with IT technology, is changing the paradigm for medical services from treatment to prevention. In particular, as ICT convergence digital healthcare technology is applied to hospital medical systems, infrastructure technologies such as big data, Internet of Things, ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
환자의 질병 의료 정보를 환자 신체에 부착된 IoT 장치를 통해 구축한 효율적인 정보 송수신 모델의 서버 효율성은 어떻게 나타나는가? | 8% 낮았다. 제안 기법은 다양한 이기종의 IoT 장치를 통해 환자의 건강 상태 정보를 코드 분할 기반으로 분할하여 송 수신하여 각 코드에 환자의 건강 상태 정보에 대한 서로 다른 개인 정보에 대한 확률 요소 값을 연계 처리하였기 때문에 서버의 효율성이 11.1% 향상된 결과를 얻었다. 그리고, 제안 기법은 IoT 장치로부터 송신되는 IoT 의료 정보가 확산 대역 기술을 이용하여 서버의 오버헤드가 기존기법보다 16. | |
의료 서비스 분야에서 데이터 관리가 필요한 이유는 무엇인가? | 의료 분야에서는 원활한 의료 서비스를 지원하기 위해서 휴대폰을 중심으로 많은 양의 데이터를 저장 및 처리하기 위한 IoT 서비스를 사용하고 있다. 의료 서비스 분야에서 사용되고 있는 대부분의 IoT 서비스는 다양한 네트워크를 통해서 사용자에게 수많은 의료 데이터를 제공해야하기 때문에 IoT 서비스에 맞는 데이터 관리가 반드시 필요하다[6]. | |
X. Cui et. al의 의료 정보 최적화 기법은 무엇인가? | al 은 의료 서비스에서 사용되는 의료 정보를 신속하게 분석하기 위해서 MapReduce을 사용한 K평균 기반 의료 정보 최적화 기법을 제안하였다[8]. 이 기법은 MapReduce(MR)를 사용하여 의료 정보를 K-평균하도록 MR 의 처음과 마지막에 샘플링 기술을 사용하여데이터 셋을 centroid에 매핑하였다. W. |
J. G. Choi & B. N. Noh. (2011). Security Technology Research in Cloud Computing Environment. Journal of Security Engineering, 8(3), 371-384.
Y. S. Jeong. (2015). An Efficiency Management Scheme using Big Data of Healthcare Patients using Puzzy AHP. Journal of Digital Convergence, 13(4), 227-233.
Y. S. Jeong. (2016). An Efficient IoT Healthcare Service Management Model of Location Tracking Sensor. Journal of Digital Convergence, 14(3), 261-267.
Y. S. Jeong. (2016). Measuring and Analyzing WiMAX Security adopt to Wireless Environment of U-Healthcare. Journal of Digital Convergence, 11(3), 279-284.
A. Singh & K. Chatterjee. (2017). Cloud security issues and challenges: A survey. Journal of Network and Computer Applications, 79, 88-115.
H. Bao & R. Lu. (2015). A new differentially private data aggregation with fault tolerance for smart grid communications. IEEE Internet of Things Journal, 2(3), 248-258.
J. Qian, F. Qiu, F. Wu, N. Ruan, G. Chen & S. Tang. (2017). Privacy preserving selective aggregation of online user behavior data. IEEE Trans. Computers, 66(2), 326-338.
X. Cui, P. Zhu, X. Yang, K. Li & C. Ji. (2014). Optimized big data K-means clustering using MapReduce. Journal of Supercomputing, 70(3), 1249-1259.
W. Zhao, H. Ma & Q. He. (2009). Parallel k-means clustering based on mapreduce. Proceedings of the 1st International Conference on Cloud Computing, 674-679.
B. Bahmani, B. Moseley, A. Vattani, R. Kumar & S. Vassivitskii. (2012). Scalable k-means $^{++}$ . Proceedings of the VLDB Endowment, 5(7), 622-633.
X. Cai, F. Nie & H. Huang. (2013). Multi-view k-means clustering on big data. Proceedings of the Twenty-Third international joint conference on Artificial Intelligence, AAAI Press, 2598-2604.
H. Karau, A. Konwinski, P. Wendell & M. Zaharia. (2015). Learning Spark: Lightning-Fast Big Data Analysis. O'Reilly Media, Inc. 1-276.
Y. H. Kim, K S. Shim, M. S. Kim & J. S. Lee. (2014). DBCURE-MR: an efficient density-based clustering algorithm for large data using MapReduce. Journal of Information Systems, 42, 15-35.
X. Cui, J. S. Charles & T. Potok. (2013). GPU enhanced parallel computing for large scale data clustering. Journal of Future Generation Computer Systems, 29(7), 1736-1741.
G. Andrade, G. Ramos, D. Madeira, R. Sachetto, R. Ferreira & L. Rocha. (2013). G-dbscan: A gpu accelerated algorithm for density based clustering. Journal of Procedia Computer Science, 18, 369-378.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.