กรุณาใช้ตัวระบุนี้เพื่ออ้างอิงหรือเชื่อมต่อรายการนี้:
https://buuir.buu.ac.th/xmlui/handle/1234567890/10204ระเบียนเมทาดาทาแบบเต็ม
| ฟิลด์ DC | ค่า | ภาษา |
|---|---|---|
| dc.contributor.advisor | สุวรรณา รัศมีขวัญ | |
| dc.contributor.author | สิริวรรณ พงษศิริ | |
| dc.contributor.other | มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ | |
| dc.date.accessioned | 2023-09-18T07:56:44Z | |
| dc.date.available | 2023-09-18T07:56:44Z | |
| dc.date.issued | 2564 | |
| dc.identifier.uri | https://buuir.buu.ac.th/xmlui/handle/1234567890/10204 | |
| dc.description | วิทยานิพนธ์ (วท.ม.)--มหาวิทยาลัยบูรพา, 2564 | |
| dc.description.abstract | ในงานวิจัยนี้ได้นำเสนอระบบแนะนำวัคซีนสำหรับคลินิกเด็กสุขภาพดีซึ่งกรอบการทำงานของแบ่งเป็น 2 เฟส คือ เฟสที่ 1 จะเป็นการจัดการข้อมูล โดยมีการทำความสะอาดข้อมูลและเติมข้อมูลด้วยค่าเฉลี่ย มีการกำจัดข้อมูลที่ผิด (outliers) ด้วยขั้นตอนวิธี Probabilistic Mapped Mean-Shift (PMMS) ซึ่งมีค่าความถูกเท่ากับ 93%, 94%, 80%, 75%, และ 72% เมื่อนำไปทดลองกับข้อมูล CWC, Stamps, Arrh, Pima และ Pakinson ตามลำดับ โดยค่าความถูกต้องที่ได้ดังกล่าวนี้ เป็นค่าความถูกต้องสูงสุด เมื่อเทียบกับขั้นตอนวิธีอื่นที่ใช้ในการเปรียบเทียบประสิทธิภาพของขั้นตอนวิธีที่นำเสนอ เมื่อจัดการกับข้อมูลในเฟสที่ 1 เรียบร้อยแล้ว ทำให้ได้ชุดข้อมูล CWC ที่ผ่านการทำความสะอาดและมีการเติมข้อมูล รวมถึงได้มีการกำจัดข้อมูลผิดปกติออกไป (cleaned and completed dataset without outliers) ก็จะนำข้อมูล CWC ไปทดลองเพื่อหาขั้นตอนวิธีที่เหมาะสมในการแนะนำวัคซีนรายคนสำหรับเด็กในเฟสที่ 2 ซึ่งพบว่า ขั้นตอนวิธี Gradient Boosting Classifier ให้ค่าความถูกต้องสูงสุดอยู่ที่ 53% ซึ่งเป็นค่าที่สูงสุดจากขั้นตอนวิธีทั้งหมด 11 วิธี | |
| dc.language.iso | th | |
| dc.publisher | คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา | |
| dc.rights | มหาวิทยาลัยบูรพา | |
| dc.subject | วัคซีน | |
| dc.subject | มหาวิทยาลัยบูรพา -- สาขาวิชาวิทยาการสารสนเทศ | |
| dc.title | ระบบแนะนำวัคซีนสำหรับคลินิกเด็กสุขภาพดี | |
| dc.title.alternative | Vccine recommendtion system for well bby clinic | |
| dc.type | วิทยานิพนธ์/ Thesis | |
| dc.description.abstractalternative | In this research has introduced a Vaccine Recommendation system for Well Baby Clinic. The framework is divided into 2 phases: Phase 1 will be data management. The data was cleaned and filled with averages. Outliers are eliminated through algorithms. Probabilistic Mapped Mean-Shift (PMMS) with 93%, 94%, 80%, 75%, and 72% accuracy was tested with CWC, Stamps, Arrh, Pima and Pakinson data, respectively. This is the highest accuracy compared to other algorithms used to compare the performance of the proposed algorithm. Once the data in Phase 1 has been dealt with, This results in a clean and populated CWC dataset. Including cleaned and completed dataset without outliers, the CWC data will be tested to determine an appropriate algorithm for recommending individual vaccines for children. The Gradient Boosting Classifier method yields a maximum accuracy of 53%, which is the highest of 11 algorithms. | |
| dc.degree.level | ปริญญาโท | |
| dc.degree.discipline | วิทยาการสารสนเทศ | |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | |
| dc.degree.grantor | มหาวิทยาลัยบูรพา | |
| ปรากฏในกลุ่มข้อมูล: | I-thesis | |
แฟ้มในรายการข้อมูลนี้:
| แฟ้ม | รายละเอียด | ขนาด | รูปแบบ | |
|---|---|---|---|---|
| 61910138.pdf | 4.96 MB | Adobe PDF | ดู/เปิด |
รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น