Andere Kunden interessierten sich auch für
![Proposition d'un nouvel algorithme pour l'analyse du regroupement hiérarchique]( "Proposition d'un nouvel algorithme pour l'analyse du regroupement hiérarchique")
Proposition d'un nouvel algorithme pour l'analyse du regroupement hiérarchique25,99 €![Algorithme Cross Over Point GA pour générer une fonction d'appartenance floue]( "Algorithme Cross Over Point GA pour générer une fonction d'appartenance floue")
Algorithme Cross Over Point GA pour générer une fonction d'appartenance floue25,99 €![Perception des menaces aériennes à l'aide de l'exploration de données]( "Perception des menaces aériennes à l'aide de l'exploration de données")
Perception des menaces aériennes à l'aide de l'exploration de données34,99 €![Classification précise des scores de crédit à l'aide d'Ensemble GradientBoost]( "Classification précise des scores de crédit à l'aide d'Ensemble GradientBoost")
Classification précise des scores de crédit à l'aide d'Ensemble GradientBoost28,99 €![Récupération efficace des données vidéo à l'aide de l'algorithme de clustering]( "Récupération efficace des données vidéo à l'aide de l'algorithme de clustering")
Récupération efficace des données vidéo à l'aide de l'algorithme de clustering25,99 €![La sélection d'attributs pour l'analyse faciale]( "La sélection d'attributs pour l'analyse faciale")
La sélection d'attributs pour l'analyse faciale56,99 €![Modèle basé sur un algorithme génétique en stéganographie de texte]( "Modèle basé sur un algorithme génétique en stéganographie de texte")
Modèle basé sur un algorithme génétique en stéganographie de texte34,99 €
La sélection des caractéristiques est la première tâche de toute approche d'apprentissage, qui consiste à définir un ensemble pertinent de caractéristiques. Plusieurs méthodes sont proposées pour traiter le problème de la sélection des caractéristiques, notamment les méthodes de filtrage, d'enveloppement et d'intégration. Dans ce travail, nous nous concentrons sur la sélection de sous-ensembles de caractéristiques afin de sélectionner un sous-ensemble de taille minimale de caractéristiques optimales. La sélection des caractéristiques est un problème d'optimisation ; la sélection de sous-ensembles d'attributs basée sur un algorithme génétique utilisant le classificateur naïf de Bayes est utilisée à cette fin. Le GABASS s'avère être la meilleure technique de sélection lorsque la population est très importante. Les GABASS donnent de bons résultats et leur puissance réside dans leur bonne adaptation à des environnements variés et en évolution rapide.