优化注意力 增强时间图 卷积 基于网络的云资源分配 支持学生健康监测系统的物联网

科学领域:

• * 计算机科学 计算机科学
• * 生物医学工程 * 生物医学工程
• * 物联网 (IoT) 的互联网.

背景情况:

• *由于越来越多的地理分布和隔离,对远程学生健康监测的需求越来越大.
• *现有系统在准确有效地跟踪学生福祉方面的局限性.
• * 传感器技术的进步使基于物联网的复杂医疗保健解决方案成为可能.

研究的目的:

• * 为了开发一个优化的注意力增强的时间图卷积式基于网络的云资源分配支持的物联网 (IoT) 系统用于学生健康监测 (HMS-AETGCN-NGOA-IoT).
• *使用关键指标来评估系统的性能,例如准确性,特异性,计算时间和ROC.
• *将拟议的HMS-AETGCN-NGOA-IoT方法与现有的物联网健康监测系统进行比较.

主要方法:

• *使用MATLAB.使用HMS-AETGCN-NGOA-IoT系统的实施.
• * 利用优化注意力增强时间图卷积网络 (AETGCN) 进行数据处理和资源分配.
• * 基于精度,准确性,F1分数,回忆,特异性,错误率,计算时间和接收器操作特征 (ROC) 曲线分析的性能评估.

主要成果:

• *与HMS-MPNN-IoT,HMS-SVM-IoT和HMS-DNN-IoT相比,HMS-AETGCN-NGOA-IoT系统在多个指标上表现出卓越的性能.
• * 实现显著更高的特异性 (19.11%28.13%) 和精度 (8.45%27.55%).
• * 展示了缩短的计算时间 (9.51%24.93%) 和改进的ROC值 (15.2%25.45%).

结论:

• * 拟议的HMS-AETGCN-NGOA-IoT系统为监测学生健康提供了强大而高效的解决方案.
• * AETGCN模型有效地提高了基于物联网的医疗保健应用程序的云资源配置.
• * 这种方法代表了利用物联网为主动和准确的学生福祉管理的重大进步.