الفهرس 
CHAPTER 1: IntroductionOnly 14 pages are availabe for public view
Abstract
على مدى العقد الماضي ، اجتذبت أنظمة المساعدة على المعيشة المحيطة (AAL) اهتماما واسع النطاق بسبب زيادة العمر المتوقع للإنسان. تقدم هذه الأنظمة الخدمات الطبية المساعدة للمرضى كبار السن في مكان إقامتهم. علاوة على ذلك ،تساعد هذه الأنظمة المستشفيات الذكية ،عائلات المرضى ،مقدمي الرعاية ،الموظفين الطبيين ، والباحثين الاجتماعيين فى أداء دورهم فى خدمة المرضى بكفاءة. ولذلك ، فإن هذه الأطروحة تقترح إطار هجين ذكى مدرك للسياق لمراقبة المرضى في المنزل (IHCAF-PUSH) وهو قادر على مراقبة المرضى المسنين في الوضع المزدوج (عبر الإنترنت و دون اتصال). يعالج (IHCAF-PUSH) المقترح أوجه القصور في أنظمة المساعدة على المعيشة المحيطة المحلية والسحابية الحالية التي تعوقها عن تأدية دورها في مراقبة المرضى بكفاءة. وبالتالى يعمل (IHCAF-PUSH)على تسريع التصنيفات ، إدارة البيانات الكبيرة بكفاءة ، معالجة مجموعات البيانات الكبيرة غير المتوازنة ، وحل مشكلة عزل المريض في أنظمة المساعدة على المعيشة المحيطة السحابية في حالة انقطاع الإنترنت أو انفصال السحب. يتكون الإطار المقترح من معمارية هجينة ذات أربع طبقات تتكون من مكونات محلية وسحابية لرصد المرضى الذين يعانون من أمراض مزمنة في منازلهم. يستغل الاطار المقترح IHCAF-PUSH)) التطورات الحالية في إنترنت الأشياء، البيانات الكبيرة، والحوسبة السحابية من خلال دمج البيانات الطبية ، والبيانات السلوكية ، والبيانات المحيطة في حالات سياقية موحدة تستطيع وصف الحالة الصحية للمريض بدقة لاضافة ميزة الوعي السياقى. الجزء السحابى من الإطار المقترح قادر على تخزين ومعالجة وتحليل البيانات الكبيرة و كذلك التنبوء بفئة الحالة الصحية للمريض من حالته السياقية الحالية في الوقت الفعلي لاستدعاء الخدمة الطبية المساعدة المناسبة وفقا لذلك (وضع الاتصال عبر الإنترنت). كذلك يستطيع الجزء المحلي من الإطار المقترح التنبوء بفئة الحالة الصحية للمريض في حالة انقطاع الإنترنت أو انقطاع الاتصال بالجزء السحابى لإنقاذ حياته ومنع عزلته عن نظام المراقبة (وضع عدم الاتصال). أيضا ، تم اقتراح تقنية تصنيف ذات خمس مراحل تسمى نموذج التصنيف السحابى (CCM) للتعامل مع مجموعات البيانات الكبيرة غير المتوازنة الناتجة عن المراقبة طويلة الأمد للمرضى المسنين. وعلاوة على ذلك ، تقترح هذه الأطروحة خوارزمية نايف بايز اليراع الهجينة Naïve Bayes Firefly Algorithm (NB-FA) التي تعمل كوحدة فشل آمنة تحدد الحد الأدنى من الميزات التي تعطي أعلى دقة لضمان استمرارية النظام في حالة فشل أجهزة الاستشعار غير المؤثرة. و على العكس فى حالة فشل جهاز استشعار مؤثر ، فإنه يوقف النظام ويرسل تنبيهات إلى المستخدمين لمنع الحصول على نتائج خاطئة. كذلك ، تم اقتراح إطارأخر لمراقبة المرضى عن بعد باستخدام وحدة الفشل الآمن و يسمى إطار هجين ذكى مدرك للسياق باستخدام خوازمية نايف بايزاليراع الهجينة (IHCAF-NBFA). وقد أثبتت النتائج التجريبية أن نظام (IHCAF-PUSH) المقترح قد حقق دقة تقترب من 99.9% فى التنبؤ بفئة الحالات الصحية للمرضى الذين يعانون من اضطرابات ضغط الدم (BP). علاوة على ذلك ، أثبتت النتائج التجريبية أن (IHCAF-NBFA) قد قلل حجم البيانات بنسبة تقترب من 50 % لتوفير المساحة التخزينية، كذلك قام باختصار الوقت المستهللك فى التصنيف بنسبة تقترب من 50 % محافظا على نفس الدقة المتميزة لإطار (IHCAF-PUSH) بفضل خوارزمية (NB-FA) المقترحة.