Read more
Il Soft Computing (SC) è emerso come uno strumento versatile per la risoluzione di problemi computazionali complessi in vari campi. Il soft computing sfrutta le capacità di riconoscimento e di apprendimento simili a quelle umane per fornire soluzioni innovative alle sfide del mondo reale. In un'epoca di esplosione dei dati, un'efficace elaborazione dei dati richiede la selezione di attributi chiave per la modellazione predittiva, con conseguente richiesta di selezione di sottoinsiemi di caratteristiche. La selezione dei sottoinsiemi di caratteristiche è un problema NP-Hard, con vari metodi classificati in approcci di tipo filter, wrapper e embedded. Gli algoritmi meta-euristici, noti per le loro capacità di ricerca globale, sono stati utilizzati per la selezione delle caratteristiche per massimizzare l'accuratezza della classificazione. Con un'attenzione particolare alle applicazioni mediche, questo studio esplora la diagnosi assistita dal computer, dove i metodi di selezione delle caratteristiche basati sulla popolazione migliorano l'accuratezza della classificazione riducendo i tempi di analisi. La ricerca introduce due nuovi metodi meta-euristici, Separated Enemy Driven Dragon Algorithm (SEDDA) e Fitness-based Crow Search Algorithm (FSCA), e li confronta con tecniche consolidate.
About the author
El Dr. P Srinivasa Rao trabaja como profesor asociado en el Departamento de Ingeniería de Datos del MVGR College of Engineering (Autonomous), Vizianagaram,Andhra Pradesh,India. Cuenta con más de 18 años de experiencia en el campo de la docencia y la investigación y es autor de un total de 35 publicaciones, entre libros, trabajos de investigación y capítulos de libros.
