Projeto 500 Cities: Detecção de Comunidades Utilizando Algoritmos de Clusterização

##plugins.themes.bootstrap3.article.main##

Anderson Vinícius Alves Ferreira
http://orcid.org/0000-0001-8598-6574
Lizandra Raflesia Monteiro de Lira
http://orcid.org/0000-0002-2379-5868
Thiago José da Silva
http://orcid.org/0000-0002-1710-2148
Carmelo José Albanez Bastos Filho
http://orcid.org/0000-0002-0924-5341

Resumo

A saúde pública é uma extensa área com problemas complexos e que constantemente necessita de bastantes investimentos. Frequentemente, os órgãos governamentais enfrentam desafios para entender como oferecer melhores serviços de saúde e prevenir epidemias futuras. Métodos preventivos têm sido até o momento a melhor opção para controlar doenças e epidemias ou mesmo extingui-las. Este trabalho utilizou dados epidemiológicos provenientes do projeto 500 Cities e técnicas de agrupamento (clusterização) de dados para identificar comunidades com características relevantes para dar suporte na prevenção de epidemias e doenças.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
Alves Ferreira, A., Monteiro de Lira, L., da Silva, T., & Albanez Bastos Filho, C. (2018). Projeto 500 Cities: Detecção de Comunidades Utilizando Algoritmos de Clusterização. Revista De Engenharia E Pesquisa Aplicada, 3(3). https://doi.org/10.25286/repa.v3i3.966
Seção
Edição Especial em Ciência de Dados e Analytics