英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

---

利用大数据分析进行故障预测的健康监测系统

摘要

大数据是一种和人们生活密切相关的处理数据的现代手段，它被用于诸如医疗，遥感，客户服务等领域。目前在这一领域的技术进步已达到饱和。但可以通过计算机预测来突破这种状况。大数据分析可以通过现有的工具实施，该过程可能需要非常大的体积结构化和非结构化的生物医学数据，这些数据可以是由医院、实验室、制药公司甚至社交媒体，经过广泛的实验、调查、收集、处理和分析预测计算得到的数据。通过大数据分析预测到的结果可以提高效率，为人民提供更好的生活。

关键词：分析;大数据 ;云计算 ;认知计算;模糊逻辑;地图降低;自然语言；健康预测;预测计算;假情报;虚拟化

1.简介

1.1大数据

大数据是一个包罗万象的术语集，指当数据变得庞大而复杂，难以利用手头的数据管理工具或传统的数据处理应用程序来处理的时候而可以行之有效的处理手段。

大数据在运行时间内的通常包括一个可容纳大量数据的数据集。大数据的容量大小是不断变化的，截至2012年，一个单一的数据集可容纳从几十TB级到PB级的数据。

1.1.1为什么要使用大数据？

科学家经常遇到这种情况，由于大型数据集在许多领域，包括气象、基因组学、连接组学、复杂的物理模拟和生物和环境研究，从而使研究受到局限。这些限制也影响互联网搜索、金融和商业信息。数据大量增长的部分原因是它们被越来越多地由无处不在的信息感测移动设备，如天线传感技术（遥感）、软件日志、照相机、麦克风、无线电频率识别（RFID）阅读器和无线传感器网络收集的。

预测计算完全取决于所需要的医疗记录和健康问题的数据的可用性。这就需要所有的制药企业、政府和医院之间必须合作（从多到专科诊所的个人）。

这些组织之间的承诺，是为大数据库设置了实际需要。对预测计算可行性的能力和技术的发展是需要一定的努力和支持的。

1.1.2为什么使用大数据

·问题总是出现在有正常的数据库系统时，为什么要使用沼泽数据。

·这个答案取决于我们使用的目的。

·在医学领域中，它包括研究病人的健康状况，研究不同疾病及其模式。

·所以，在研究这些东西时，它拥有正常的数据库系统所没有的优点，因为它不仅需要检索，而且还需要大量的数据解释。

·当普通医生通常从他过去的经验知识预测疾病时，他总是犯错误。

·大数据也是人类创造的的，一个拥有存储字节达到上百万的数据能力的大脑！

·因此，我们可能要利用大数据的技术！

1.2大数据分析

它可以协调各种不同的知识，不同形式的知识，和他们的不同的处理模式，通过一个通用的框架，进行知识的表示和处理。

1.2.1大数据中的挖掘结构

我们发现，不同的模式或结构在大数据多样性的形式和格式中是一个障碍。

1.2.2数据的解读

当我们需要识别图像中的对象，做场景分析，或者解释其他图像的意思，它会使过程更简化，如果我们没有处理的格式的多样性，如前面提到的，同样对其他类型的数据处理也会很繁琐。

大数据分析在模式识别、信息检索、分析和自然语言的产生、从一个表示到另一个表示、几种推理、规划和解决问题的方法上都有优势。

1.2.3理解和自然语言翻译

在我们的自然语言的日常使用中我们认识到，有时意义不同的两个或两个以上的词，表达出来，可能指的是同一件事或有相同的指称：“美国”的资本意味着“华盛顿”相同；“北极熊”作为“北极熊”相同；等等。这些直觉证实为UFK的需要，或类似的东西，在任何自然语言是独立的词。

1.2.4模式和模式识别

预测计算机分析所有的疾病和团体的数据，并管理各部门的树结构和图表。这与大脑相似。以图片形式的多种信息源（TIFF，JPEG，PNG）或报告（.docx，PDF）是从网络收集的，这些信息可以是由医院、制药公司、个人记录和链接创建各相关节点之间的有向图的形成。这包含所有通过信息的单一条件作为单独的数据。

2.健康预测

计算机是能够比信息共享和需求计算更大的行为的机器。他们可以更精确，有时甚至超过人类的能力。然而，没有智慧的精确性是没有价值的。如果有一种方法可以使计算机获得智慧，那么他们的诊断就更可靠。

随着最新的技术里程碑的出现，如云计算、认知推理、自然语言处理、虚拟化和大数据分析，我们可以创造一个新的伪智能发现。“伪”的名称，因为它获取这些知识是从人类活动和相互作用之中，而不是它自己的。

预测发现涉及认知计算，而传统的计算机必须由人类来执行特定的操作，认知系统将从他们与数据和人类的相互作用中学习，并能够在一个程度上，程序自己来执行新的任务。

传统意义上，疾病发作，然后就出现了症状，这给了医生线索，可以推断该用何种药物。如果能被治愈当然是最幸运的，而不是对预测的想法是在中间的，这是一个第三度的疾病特征，即使这种疾病是一种流行病。

一旦我们无法治愈最初的症状，我们会继续诊断疾病。然后继续治疗疾病。这可能是致命的。在这里，一旦我们跳过症状的一部分，我们直接寻找治疗的疾病，就可以使用大数据分析。

从世界各地的数据收集的医疗数据是非常有效的。检查模式使用的分析导致一种病毒的新变种的发现或可能是一种新形式的细菌阿米巴。

值得注意的一点是，这是第三度的预测。第一度可用于推导出治疗，并用二度的药物来解决引起症状。

如图。（a）传统的药物治疗（b）预测方式

以前的治疗是在遇到疾病后，治疗症状，后来发现预防性疫苗根除了疾病。那么多年来发明了第一种疫苗，人类在卫生保健领域的下一个重要的事情是什么？

答案就在世界范围内的美国思想家们，通过认知推理，认为机器可以用来预测“下一个大的事情”。“预测可以被定义为有能力理解疾病在症状开始上升”。当一个伪智能机器，这是我们称之为这一判断的计算。

2.1应用预测

伪智能是我们自己努力和研究的结果。当重点放在正确的医疗和健康监测领域，可以大大提高人类生活的价值。

自然语言处理（NLP）是一个将各种具有特定意义层次数据转化为可识别的数据结构技术。使用NLP通用大数据文件系统可以以健康为导向的信息来自世界各地的预测而结合。

案例1 ：

糖尿病是由于胰腺不能产生足够的胰岛素，或身体没有正确响应产生胰岛素的细胞。糖尿病主要有2种类型：

2型糖尿病通常可以被一个人正常的体重、体育锻炼和健康饮食所阻止。已知的饮食变化是有效的帮助预防糖尿病包括富含全谷物和纤维的饮食，选择好的脂肪，如坚果，植物油和鱼的多不饱和脂肪酸。限制含糖饮料和少吃红肉等来源的饱和脂肪也有助于预防糖尿病。吸烟也会增加患糖尿病的风险，因此戒烟可以成为一项重要的预防措施。

让我们考虑一个匿名先生，假设他的体重是正常的。他不做任何体育锻炼。但他是个活跃的烟民。他有0.1%的多不饱和脂肪和0.5%的饱和脂肪，随着这一历史数据，预测在什么时期这个人将有糖尿病。因为大数据也包括世界各地的医学史。它将分析和找出一个类似的历史背景，这个人X，并给出相应的预测。这一预测将有一切权利从诊断到预防。

案例2：

甲型H1N1流感病例，猪流感病毒在全世界范围内都很常见。从猪到人的病毒的传播并不常见，并不总是导致人类流感，一个长期的疾病，在一个长期的有高血糖水平，导致只有在生产的抗体在血液中。如果传输造成的人类流感病毒，它被称为人畜共患病的猪流感。经常接触猪的人增加患猪流感的风险。

人类1918流感大流行是H1N1流感出现在猪有关；这可能反映了从猪对人类动物园的价值，或从人类的猪。虽然这是不确定的病毒转移的方向，一些证据表明，在这种情况下，猪从人类的疾病。例如，猪流感在1918年后才被发现是猪的一种新疾病，在第一次大规模流行性感冒的人群当中。尽管最近的系统发育分析的人，禽流感和猪更近的菌株，表明人类在1918爆发之后，哺乳动物的重组事件，这1918个菌株的确切的起源仍然是难以捉摸的。 据估计，世界各地的任何地方，共计有50到1亿人死亡。

这些病毒是适应性的，并可能在未来出现更先进的形式。通过预测分析，我们可以研究的起源，扫描未知的医疗疾病的报告，世界各地的任何人，并提前诊断的情况，以及在前进的道路，以治愈疾病。所有这些都可以用来自世界各地的信息的可用性来完成。

我们的预测系统扫描所有这些类型的信息，在定期的时间间隔。随着高速网络和云技术的预测计算，只不过是有点不让人类在医学诊断和治疗上迈出了巨大的一步。

3.预测计算机的功能

为了解建议性接口，我们必须首先了解计算机的实际功能预测。计算机基本可以：

1、主动扫描：一种新疾病和健康状况模式的定期扫描过程。

2、离散的预测：一个人的输入，这目前的健康状况可以知道，他将面临的健康障碍，并采取预防措施。

3、非典型的预测：也可以使用它的自适应算法，计算机可以检测到现有的疾病即将到来的版本。

3.1主动扫描

预测计算机操做的最新消息和来自世界各地的保健中心的数据扫描。每个扫描可能需要一段时间。扫描后的计算机识别疾病并创建了疾病的认识研究和世界各地的开发部门的新的或不同的形式。在系统上的另一扫描可导致从早期的收件人疾病的症状。上的最高水平的计算机甚至可以分析类似疾病，并提供治愈的疾病。

以埃博拉病毒为例，该病毒可在与血液或感染（常见的猴子）的体液接触被收购。传播通过空气没有被记录在自然环境。食果蝙蝠被认为没有受到影响携带和传播病毒。一旦人类感染发生时，本病可能人与人之间传播，以及。男性幸存者可能能够通过精液传播疾病了近两个月。为了作出诊断，典型地其它疾病，类似的症状，如疟疾，霍乱和其他病毒性出血热，首先排除。以确认诊断血样病毒抗体，病毒RNA或病毒本身进行测试。本病具有高死亡率：常在50％和90％的人感染病毒.EVD之间的杀戮首次发现苏丹和刚果民主共和国。本病通常发生在撒哈拉以南非洲的热带地区爆发。从1976年（当它被首次发现）到2013年，每年不到1000人被感染。最大的爆发数据是2014年正在西非埃博拉病毒爆发，这是影响几内亚，塞拉利昂，利比里亚和尼日利亚。截至2014年8月已报告超过1750例疑似病例。目前正在努力研发疫苗。然而，没有尚未存在。

与我们的预测计算机疾病到达非洲我们将制表症状和预防在较早阶段。而这一切都遥遥领先其实之前在2014年实现完成。预期预防与将在以下格式症状。

3.2独立预测

该技术包括预测人是由刚解释他承认症状有疾病。它类似于一个病人去看病，并要求对他的病的药物。

但预测通过解释只有基本信息的人给预测人的病转到先进水平。喜欢的人或者在他体内胆固醇水平的血糖水平。它还通过询问只是白天该人的日常活动预测的潜在危险的人可能会在将来面对的人。

考虑山姆的情况。山姆研究第二年的工程学士学位。在他的快速移动忙碌的生活中，他很少得到的时间做运动。他吃的食物之外的大部分时间。他睡每天不到6个小时，因为他的学院是离他家很远。他使​​用的电脑和手机每天超过4小时。他每月去到至少2电影。他也有在一个月内采取一次饮酒的习惯。他很少抽烟。

现在，使用上面的数据，甚至一个正常的医生可以预测什么，他可能会在将来可能面临的健康问题。但是，这一预测有很少的准确性。

但预测使用上面的数据与他的身体内部疾病如血红蛋白计数，脉率，甚至DNA信息预测可以预测他的身体状况将如何在未来有太多的精确性一起。使用这种预测萨姆可以建议改变他的一些活动。这可以实现为不同年龄的人。

3.3非典型预测

另外，在上述技术中，存在的疾病的完整分析已经完成。使用分析，从疾病的未来将进行预测。让我们以癌症的例子。多少曾经我们尝试带来新的化学疗法治愈这种疾病，它是不够的癌症救一个人。造成这种情况的主要原因是，每当一药被施加到人患有癌症，存在于他的身体的癌细胞改变它的DNA，使其免疫的药物。这可以通过使用预测和从肿瘤细胞的未来的防止将预测提前得多并且随后一个适当的药物将被给予该人。

3.4算法

步骤1：设置机器

1.1：按要求设计硬件。

1.2：通过虚拟化获取系统规范。

1.3：建立一个独立的云服务器，具有令人信服的数据来自所有健康相关的数据仓库。

步骤2：数据库创建

2.1：大数据存储在HDFS

2.2：使用NLP模式识别与数据采集标准。

2.3：健康危险性为基础的标准化，使用地图减少技术。

2.4：存储在HDFS

步骤3：理解数据

3.1：数据使用apache解析工具的信息。

3.2：使用认知推理的关联异常。

3.3：解释为每个已知疾病多人类不同的树结构之间的相关性。

步骤4：入库报表

4.1：利用人工智能的模糊逻辑计算结果，不典型、积极、谨慎的预测。

4.2：从即时报告的小报产生并分享到全球领先的专家和医疗保健单位。

4. 预测电脑

若想实施大数据需要在全球范围内使用不同的工具。同样的，上述技术也需要这些工具来实现它。下面的部分解释了所有正在使用的工具来实现预测计算。每一种工具都用于特定用途。

4.1虚拟化

在计算机中，虚拟化装置创建设备或资源的虚拟版本诸如服务器，存储设备，网络或甚至是操作系统，其中该框架将所述资源到一个或多个执行环境。因为你需要一个驱动器和分区它创建两个单独的硬盘驱动器甚至一些作为分区的硬盘驱动器一样简单被认为是虚拟化。设备，应用和人类用户能够就好像它是真正的单个逻辑资源的虚拟资源进行交互。术语虚拟化已经变得有些一个时髦的，并且作为结果的术语现在与多个计算技术，包括以下的相关联的：

4.2模糊逻辑

模糊

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[151160]，资料为PDF文档或Word文档，PDF文档可免费转换为Word