Ulteriori informazioni
A computação suave (SC) surgiu como uma ferramenta versátil para resolver problemas computacionais complexos em vários domínios. A CS tira partido das capacidades de reconhecimento e aprendizagem semelhantes às humanas para fornecer soluções inovadoras para os desafios do mundo real. Numa era de explosão de dados, o processamento eficaz de dados exige a seleção de atributos-chave para a modelação preditiva, o que leva à necessidade de seleção de subconjuntos de características. A seleção de subconjuntos de características é um problema difícil de resolver, com vários métodos categorizados em abordagens de filtro, de invólucro e incorporadas. Os algoritmos metaheurísticos, conhecidos pelas suas capacidades de pesquisa global, têm sido utilizados na seleção de características para maximizar a precisão da classificação. Com enfoque nas aplicações médicas, este estudo explora o diagnóstico assistido por computador, em que os métodos de seleção de características baseados na população melhoram a precisão da classificação reduzindo o tempo de análise. A investigação introduz dois novos métodos metaheurísticos, o Separated Enemy Driven Dragon Algorithm (SEDDA) e o Fitness-based Crow Search Algorithm (FSCA), e compara-os com técnicas estabelecidas.
Info autore
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.
