Orinoquia

Orinoquia, Volumen 21, Número 1 Sup, p. 11-19, 2017. ISSN electrónico 2011-2629. ISSN impreso 0121-3709.

Identificación de la delimitación administrativa de la malaria usando redes neuronales artificiales

Boundary Delimitiation of Malaria using Artificial Neural Networks

Identificação da Delimitação Administrativa da Malária usando Redes Neurais Artificiais

Fredy Antonio Salazar Vasquez, Carlos Osorio Serna, María Alejandra Caicedo Giraldo, Wilfredo Alfonso Morales, Eduardo Francisco Caicedo Bravo

Resumen (es)

La metodología de clustering fue utilizada para agrupar tres barrios en Quibdó teniendo en cuenta factores que favorecen el desarrollo de la malaria. Los mapas auto-organizados de Kohonen fueron utilizados para el análisis de las características más significativas en la clasificación. Los clusters detectados fueron comparados con la clasificación geográfica de las casas, encontrando, que los mapas auto-organizados de Kohonen clasifican las casas por las condiciones ambientales propicias para el desarrollo del mosquito más que por la clasificación administrativa de la ciudad.

Palabras clave (es)

Clustering; Malaria urbana; Mapa Auto Organizado de Kohonen; Red Neuronal Artificial

Resumen (en)

Clustering methodology was used to group three neighborhoods in Quibdo taking into account factors that favor the development of malaria. The Kohonen self-organizing maps were used for the analysis of the most significant features in the standings. The detected clusters were compared with the geographical classification of houses, finding that the Kohonen self-organizing maps households classified by environmental conditions conducive to development rather than the administrative classification of the city

Palabras clave (en)

Clustering; Malária Urban; Mapa Auto Organizado Kohonen; Redes Neurais Artificiais

Resumen (pt)

A Metodologia de Clustering foi usada para agrupar três bairros em Quibdo, Colômbia, levando em consideração fatores que favorecem o desenvolvimento da malária. Mapas auto-organizados de Kohonen foram utilizados para a análise das características mais significativas no agrupamento. Os Clusters detectados foram comparados com o agrupamento geográfico de casas, mostrando que os mapas auto-organizados de Kohonen agrupam as casas pelas condições ambientais favoráveis ao desenvolvimento do mosquito e não pelo agrupamento administrativo da cidade.

Palabras clave (pt)

Artificial Neural Networks; Clustering; Malaria; Self-organized map of Kohonen

Referencias

SIVIGILA (2016) Boletín Epidemiológico Semanal. Semana epidemiológica número 52 de 2016 (25 al 31 de diciembre).

Padilla JC, Chaparro PE, Molina K, Arevalo-Herrera M, Herrera S (2015) Is there malaria transmission in urban settings in Colombia? Malaria journal 14: 453

DEPARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA, DANE. División Político-administrativa de Colombia, años 2000, 1997, 1992, 1988, 1983, y 1970.

Beier, J. C. (1998). Malaria parasite development in mosquitoes. Annual review of entomology, 43(1), 519-543.

González, R.; Carrejo. (2007) N. Claves y notas de distribución. Universidad del Valle; Cali. Introducción al estudio taxonómico de Anopheles de Colombia; p. 237

Montoya-Lerma, J., Solarte, Y. A., Giraldo-Calderón, G. I., Quiñones, M. L., Ruiz-López, F., Wilkerson, R. C., & González, R. (2011). Malaria vector species in Colombia: a review. Memórias do Instituto Oswaldo Cruz, 106, 223-238.

Peña Daniel, (2002). Análisis de datos multivariados.

Anderson, J. (2007). Redes Neuronales. Alfaomega.

Caicedo, Eduardo y López, Jesús (2009). Una aproximación práctica a las redes neuronales artificiales.

Gómez, Fernández, López y Díaz. Aprendizaje con Redes Neuronales Artificiales.

Flórez, Raquel y Fernández, José (2008). LAS REDES NEURONALES ARTIFICIALES, FUNDAMENTOS TEORICOS Y PLICACIONES PRACTICAS.

T. Kohonen, “The self-organizing map,” Proceedings of the IEEE, vol. 78, no. 9, pp. 1464–1480, 1990. [2] T Kohonen, “Self-Organizing Maps,” Berlin/Heidelberg, Germany: Springer, 30, 1995.

A.K. Jain, M.N. Murty, P. 1. Flynn, “Data clustering: A review,” ACM Computing Surveys, vol. 31, pp. 264-323, September 1999.

F. Z. Chelali, A. Djeradi and N. Cherabit, “Investigation of DCT/PCA combined with Kohonen classifier for human identification,” 2015 4th International Conference on Electrical Engineering (ICEE), Boumerdes, 2015, pp. 1-7.

I. Hammami, G. Mercier and A. Hamouda, “The Kohonen map for credal classification of large multispectral images,” 2014 IEEE Geoscience and Remote Sensing Symposium, Quebec City, QC, 2014, pp. 3706-3709.

H. Jinliang, Y. Caiqing, L. Jiansheng and S. Jianjing, “Research on Clinical Diagnostic Models of IPF Syndromes in TCM Based on Dynamic Kohonen Network and Decision Tree,” 2010 Second WRI Global Congress on Intelligent Systems, Wuhan, 2010, pp. 107-110.

S. F. Baracho, V. V. d. Melo and R. C. Coelho, “Automated Left Ventricle Posterior Wall Segmentation Using Kohonen Self-Organizing Map,” 2016 5th Brazilian Conference on Intelligent Systems (BRACIS), Recife, 2016, pp. 456-461.

I. Hammami, G. Mercies and A. Hamouda, “The Kohonen map for credal fusion of heterogeneous data,” 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Milan, 2015, pp. 2947-2950.


Métricas de artículo

Vistas de resumen.
a description of the source 10




Cargando métricas ...

Enlaces refback

  • No hay ningún enlace refback.

2018 ® Universidad de los Llanos Nit: 892.000.757-3

Barcelona: Km. 12 Via Puerto López - PBX 6616800

San Antonio: Km. 12 Via Puerto López - PBX 6616900

Emporio: Km. 12 Via Puerto López - PBX 6616700

Fax: 6616800 ext 204

Horario de atención: Lunes a viernes 7:30am a 11:45am y 2:00pm a 5:30pm

Linea gratuita PQRs: 018000918641

Atención en línea: Lunes a viernes 7:30am a 11:45am y 2:00pm a 5:30pm

contacto@unillanos.edu.co

notificacionesjudiciales@unillanos.edu.co

Fax: 6616800 ext 204

Políticas de privacidad y términos de uso

Unillanos 43 años