Técnicas de computação suave para a deteção do cancro da mama

A computa誽o suave (SC) surgiu como uma ferramenta vers嫢il para resolver problemas computacionais complexos em v嫫ios dom璯ios. A CS tira partido das capacidades de reconhecimento e aprendizagem semelhantes 跴 humanas para fornecer solu踥es inovadoras para os desafios do mundo real. Numa era de explos緌 de dados, o processamento eficaz de dados exige a sele誽o de atributos-chave para a modela誽o preditiva, o que leva ?necessidade de sele誽o de subconjuntos de caracter疄ticas. A sele誽o de subconjuntos de caracter疄ticas ?um problema dif獳il de resolver, com v嫫ios m彋odos categorizados em abordagens de filtro, de inv鏊ucro e incorporadas. Os algoritmos metaheur疄ticos, conhecidos pelas suas capacidades de pesquisa global, t瘱 sido utilizados na sele誽o de caracter疄ticas para maximizar a precis緌 da classifica誽o. Com enfoque nas aplica踥es m嶮icas, este estudo explora o diagn鏀tico assistido por computador, em que os m彋odos de sele誽o de caracter疄ticas baseados na popula誽o melhoram a precis緌 da classifica誽o reduzindo o tempo de an嫮ise. A investiga誽o introduz dois novos m彋odos metaheur疄ticos, o Separated Enemy Driven Dragon Algorithm (SEDDA) e o Fitness-based Crow Search Algorithm (FSCA), e compara-os com t嶰nicas estabelecidas.