ارائه يك الگوريتم اثربخش و كارا براي انتخاب بهترين نمايندگانِ يك تجميع همگن

تجميع اوليه همگن متشكل از يك الگوريتم دسته بندي يكسان و مشابه است كه روي مجموعه دادههاي آموزشي مختلفي آموزش ديده است. وجود مدلهاي ساخته شده هم نوع و تكراري در تجميع همگن، اغلب باعث ميشود كه مدلها نتوانند خطاي پيشبيني يكديگر را بپوشانند و در نتيجه اغلب به صورت هماهنگ به غلط پيشبيني كرده و قدرت پيشبيني كل تجميع را نيز كاهش ميدهند. در اين مقاله، يك الگوريتم جديد براي انتخاب بهترين زيرمجموعه از تجميع اوليه همگن معرفي ميشود. الگوريتم پيشنهادي به طور كامل مبتني بر الگوريتم ملهم از طبيعت و قدرتمند كرم شبتاب است كه به صورت كارآمدي به دنبال بهترين مدلها در تجميع اوليه ميگردد. كارايي الگوريتم پيشنهادي با دو الگوريتم مشابه، روي ده مجموعه داده، مورد مقايسه و ارزيابي قرار ميگيرد. نتايج نشان ميدهد كه الگوريتم درصد بهبود دقت در مقايسه با دو الگوريتم ديگر داشته است. از مهمترين دلايل 2/985پيشنهاي، به طور ميانگين اين موفقيت، نگرشي جديد به موضوع و فرموله كردن صحيح مسئله است و به علاوه ماهيت خود الگوريتم كرم شبتاب است كه با توازن قابل قبول تنوع مدلها در تجميع، تعداد مدلهاي دقيقتر و در نتيجه توانايي تصحيح خطا را افزايش داده و دقت پيش بيني كل تجميع را بالاتر ميبرد.