نشرت مجلة The Journal of Supercomputing التابعة لدار النشر springer ذات معامل تاثير 3.3
بحثاً علمياً بعنوان:
بحثاً علمياً بعنوان:
" BCDDO: Binary Child Drawing Development Optimization "
قدمه الباحث م.م. ابو بكر صائب عيسى التدريسي في مركز تكنولوجيا المعلومات
هدف البحث الى انشاء نسخة ثنائية BCDDO من خوارزمية التحسين Child Drawing Development Optimization (CDDO) لتحسين دقة التصنيف عن طريق اختيار ميزات هامة من البيانات.
وتشير النتائج المستخلصة من البحث إلى أن النسخة الثنائية BCDDO، قد قدمت تحسيناً ملحوظاً في دقة التصنيف مقارنة بخوارزميات التحسين الأخرى المدروسة مثل (Harris Hawk optimization , salp swarm optimization, bat ) وغيرها, على مجموعة من البيانات المختلفة.
على سبيل المثال، تم تحقيق دقة تصنيف تصل إلى 99.36% في مجموعة بيانات big COVID باستخدام تصنيف XGBoost بعد استخدام BCDDO لاختيار الميزات. هذه النتائج تظهر فعالية واعدة لاستخدام BCDDO في تحسين أداء نماذج التصنيف من خلال اختيار الميزات المناسبة.
على سبيل المثال، تم تحقيق دقة تصنيف تصل إلى 99.36% في مجموعة بيانات big COVID باستخدام تصنيف XGBoost بعد استخدام BCDDO لاختيار الميزات. هذه النتائج تظهر فعالية واعدة لاستخدام BCDDO في تحسين أداء نماذج التصنيف من خلال اختيار الميزات المناسبة.
