Techniques d'informatique douce pour la détection du cancer du sein

L'informatique douce s'est imposée comme un outil polyvalent permettant de résoudre des problèmes informatiques complexes dans divers domaines. L'informatique douce s'appuie sur des capacités de reconnaissance et d'apprentissage semblables à celles de l'homme pour fournir des solutions innovantes aux défis du monde réel. À l'ère de l'explosion des données, le traitement efficace des données nécessite la sélection d'attributs clés pour la modélisation prédictive, ce qui conduit à la demande de sélection de sous-ensembles de caractéristiques. La sélection de sous-ensembles de caractéristiques est un problème NP-Hard difficile, avec diverses méthodes classées en filtres, enveloppes et approches intégrées. Les algorithmes métaheuristiques, connus pour leurs capacités de recherche globale, ont été exploités pour la sélection des caractéristiques afin de maximiser la précision de la classification. En mettant l'accent sur les applications médicales, cette étude explore le diagnostic assisté par ordinateur, où les méthodes de sélection des caractéristiques basées sur la population améliorent la précision de la classification en réduisant le temps d'analyse. La recherche introduit deux nouvelles méthodes métaheuristiques, Separated Enemy Driven Dragon Algorithm (SEDDA) et Fitness-based Crow Search Algorithm (FSCA), et les compare avec des techniques établies.