الأبحاث المرتبطة بالكلمة المفتاحية: بيانات عالية الأبعاد
-
طريقة جديدة لاختيار الميزات ذات مرحلتين تعتمد على الغابة العشوائية وتحسين الخوارزمية الجينية لتعزيز التصنيف في التعلم الآلي A novel two-stage feature selection method based on random forest and improved genetic algorithm for enhancing classification in machine learning
2026 | المؤلف: Junyao Ding وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم ورقة البحث طريقة لاختيار الميزات من مرحلتين تدمج بين الغابة العشوائية وخوارزمية جينية محسّنة لتعزيز أداء نماذج التعلم الآلي. تتضمن المرحلة الأولى حساب وتصنيف درجات أهمية الميزات باستخدام نهج الغابة العشوائية، مما يسمح بالإزالة الأولية للميزات الأقل أهمية، وبالتالي تقليل تعقيد الوقت للمعالجة اللاحقة. في المرحلة الثانية، يتم استخدام الخوارزمية الجينية المحسّنة لتحديد المجموعة…
-
BIMSSA: تعزيز توقعات السرطان باستخدام تحسين سرب السلافس وطرق التعلم الآلي الجماعي BIMSSA: enhancing cancer prediction with salp swarm optimization and ensemble machine learning approaches
2026 | المؤلف: Pinakshi Panda وآخرون | المجلة: Frontiers in Genetics | المجال: علم الأحياء الجزيئي (Molecular Biology)تقدم ورقة البحث تطوير نموذج تعلم آلي جماعي، يسمى BIMSSA، يهدف إلى تحسين الكشف عن السرطان من خلال تحليل بيانات التعبير الجيني عالية الأبعاد. نظرًا لارتفاع معدلات السرطان والوفيات المرتبطة بها، تؤكد الدراسة على أهمية التشخيص المبكر الذي يسهل تقنيات التعلم الآلي. يستخدم نموذج BIMSSA استراتيجية اختيار ميزات متسلسلة تجمع بين طرق بوروتا وتحسين الحد…