Andere Kunden interessierten sich auch für
![Tecniche di soft computing per il rilevamento del cancro al seno]( "Tecniche di soft computing per il rilevamento del cancro al seno")
Tecniche di soft computing per il rilevamento del cancro al seno42,99 €![Techniques d'informatique douce pour la détection du cancer du sein]( "Techniques d'informatique douce pour la détection du cancer du sein")
Techniques d'informatique douce pour la détection du cancer du sein42,99 €![Soft-Computing-Techniken für die Erkennung von Brustkrebs]( "Soft-Computing-Techniken für die Erkennung von Brustkrebs")
Soft-Computing-Techniken für die Erkennung von Brustkrebs65,90 €![Metody mqgkih wychislenij dlq obnaruzheniq raka molochnoj zhelezy]( "Metody mqgkih wychislenij dlq obnaruzheniq raka molochnoj zhelezy")
Metody mqgkih wychislenij dlq obnaruzheniq raka molochnoj zhelezy42,99 €![Soft computing Techniques for Breast Cancer Detection]( "Soft computing Techniques for Breast Cancer Detection")
Soft computing Techniques for Breast Cancer Detection43,99 €![Técnicas de soft computing para la detección del cáncer de mama]( "Técnicas de soft computing para la detección del cáncer de mama")
Técnicas de soft computing para la detección del cáncer de mama43,99 €![Biomarcadores no cancro da mama]( "Biomarcadores no cancro da mama")
Biomarcadores no cancro da mama58,99 €
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.