ارائه یک الگوریتم اثربخش و کارا برای انتخاب بهترین نمایندگان یک تجمیع همگن

تجمیع اولیه همگن متشکل از یک الگوریتم دسته بندی یکسان و مشابه است که روی مجموعه داده های آموزشیمختلفی آموزش دیده است. وجود مدلهای ساخته شده هم نوع و تکراری در تجمیع همگن، اغلب باعث می شود کهمدل ها نتوانند خطای پیش بینی یکدیگر را بپوشانند و در نتیجه اغلب به صورت هماهنگ به غلط پیش بینی کرده وقدرت پیش بینی کل تجمیع را نیز کاهش می دهند. در این مقاله، یک الگوریتم جدید برای انتخاب بهترین زیرمجموعهاز تجمیع اولیه همگن معرفی میشود. الگوریتم پیشنهادی به طور کامل مبتنی بر الگوریتم ملهم از طبیعت و قدرتمندکرم شبتاب است که به صورت کارآمدی به دنبال بهترین مدلها در تجمیع اولیه می گردد. کارایی الگوریتم پیشنهادیبا دو الگوریتم مشابه، روی ده مجموعه داده، مورد مقایسه و ارزیابی قرار می گیرد. نتایج نشان می دهد که الگوریتمپیشنهادی، به طور میانگین 2/985 درصد بهبود دقت در مقایسه با دو الگوریتم دیگر داشته است. از مهمترین دلایل این موفقیت، نگرشی جدید به موضوع و فرموله کردن صحیح مسئله است و به علاوه ماهیت خود الگوریتم کرم شب تاباست که با توازن قابل قبول تنوع مدلها در تجمیع، تعداد مدلهای دقیق تر و در نتیجه توانایی تصحیح خطا را افزایشداده و دقت پیش بینی کل تجمیع را بالاتر می برد.

کلیدواژه ها:

یادگیری ماشین ، روش تجمیعی ، انتخاب تجمیع ، هرس تجمیع ، الگوریتم کرم شب تاب