Overview

A computa��o suave (SC) surgiu como uma ferramenta vers�til para resolver problemas computacionais complexos em v�rios dom�nios. A CS tira partido das capacidades de reconhecimento e aprendizagem semelhantes �s humanas para fornecer solu��es inovadoras para os desafios do mundo real. Numa era de explos�o de dados, o processamento eficaz de dados exige a sele��o de atributos-chave para a modela��o preditiva, o que leva � necessidade de sele��o de subconjuntos de caracter�sticas. A sele��o de subconjuntos de caracter�sticas � um problema dif�cil de resolver, com v�rios m�todos categorizados em abordagens de filtro, de inv�lucro e incorporadas. Os algoritmos metaheur�sticos, conhecidos pelas suas capacidades de pesquisa global, t�m sido utilizados na sele��o de caracter�sticas para maximizar a precis�o da classifica��o. Com enfoque nas aplica��es m�dicas, este estudo explora o diagn�stico assistido por computador, em que os m�todos de sele��o de caracter�sticas baseados na popula��o melhoram a precis�o da classifica��o reduzindo o tempo de an�lise. A investiga��o introduz dois novos m�todos metaheur�sticos, o Separated Enemy Driven Dragon Algorithm (SEDDA) e o Fitness-based Crow Search Algorithm (FSCA), e compara-os com t�cnicas estabelecidas.

Full Product Details

9786207309993

Table of Contents

Reviews

Author Information

Tab Content 6

Customer Reviews

Recent Reviews

Countries Available