МЕТОД ІДЕНТИФІКАЦІЇ СТАНУ КОМП'ЮТЕРНОЇ СИСТЕМИ НА ОСНОВІ АНСАМБЛЕВИХ КЛАСИФІКАТОРІВ З ПОКРАЩЕНОЮ ПРОЦЕДУРОЮ ГОЛОСУВАННЯ

Oleksii Hornostal, Svitlana Gavrylenko
{"title":"МЕТОД ІДЕНТИФІКАЦІЇ СТАНУ КОМП'ЮТЕРНОЇ СИСТЕМИ НА ОСНОВІ АНСАМБЛЕВИХ КЛАСИФІКАТОРІВ З ПОКРАЩЕНОЮ ПРОЦЕДУРОЮ ГОЛОСУВАННЯ","authors":"Oleksii Hornostal, Svitlana Gavrylenko","doi":"10.26906/sunz.2023.3.079","DOIUrl":null,"url":null,"abstract":"Об'єктом дослідження є процес ідентифікації стану комп'ютерної системи. Предметом дослідження є методи ідентифікації стану КС. Метою дослідження є підвищення якості та швидкодії ансамблевих класифікаторів шляхом оптимізації процедури голосування. Методи, що використовуються: методи машинного навчання, ансамблеві класифікатори, метод обрізки ансамблів, процедура зваженого адаптивного голосування. Отримані результати: розроблено ансамблевий метод ідентифікації комп'ютерних систем на основі мета-алгоритму бегінг зі спеціальною процедурою зменшення кількості базових класифікаторів та їх ранжування. Досліджено ефективність різних підходів обрізки базових класифікаторів на основі дерев рішень для підвищення якості мета-алгоритму. Розглянуто різні види методів розрахунку вагових коефіцієнтів для реалізації зваженого голосування з використанням різних метрик якості. Експериментальні дослідження дозволили оцінити розглянуті підходи окремо, а також підтвердили ефективність їх комплексного використання. Висновки. За результатами дослідження запропоновано удосконалений ансамблевий класифікатор ідентифікації стану комп'ютерної системи на основі мета-алгоритму бегінг, який відрізняється від відомих комплексним використанню методів обрізки базових класифікаторів ансамблів та використанням процедури адаптного зваженим голосуванням За рахунок удосконалення класифікатору вдалося підвищити його точність до 2.5%. Перспективами подальших досліджень може бути підбір та налаштування базових класифікаторів з використанням різних методів машинного навчання.","PeriodicalId":488657,"journal":{"name":"Sistemi upravlìnnâ, navìgacìï ta zvʼâzku","volume":"14 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Sistemi upravlìnnâ, navìgacìï ta zvʼâzku","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26906/sunz.2023.3.079","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Об'єктом дослідження є процес ідентифікації стану комп'ютерної системи. Предметом дослідження є методи ідентифікації стану КС. Метою дослідження є підвищення якості та швидкодії ансамблевих класифікаторів шляхом оптимізації процедури голосування. Методи, що використовуються: методи машинного навчання, ансамблеві класифікатори, метод обрізки ансамблів, процедура зваженого адаптивного голосування. Отримані результати: розроблено ансамблевий метод ідентифікації комп'ютерних систем на основі мета-алгоритму бегінг зі спеціальною процедурою зменшення кількості базових класифікаторів та їх ранжування. Досліджено ефективність різних підходів обрізки базових класифікаторів на основі дерев рішень для підвищення якості мета-алгоритму. Розглянуто різні види методів розрахунку вагових коефіцієнтів для реалізації зваженого голосування з використанням різних метрик якості. Експериментальні дослідження дозволили оцінити розглянуті підходи окремо, а також підтвердили ефективність їх комплексного використання. Висновки. За результатами дослідження запропоновано удосконалений ансамблевий класифікатор ідентифікації стану комп'ютерної системи на основі мета-алгоритму бегінг, який відрізняється від відомих комплексним використанню методів обрізки базових класифікаторів ансамблів та використанням процедури адаптного зваженим голосуванням За рахунок удосконалення класифікатору вдалося підвищити його точність до 2.5%. Перспективами подальших досліджень може бути підбір та налаштування базових класифікаторів з використанням різних методів машинного навчання.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
一种基于改进投票程序的集合分类器的计算机系统状态识别方法
研究对象是识别计算机系统状态的过程。研究对象是识别计算机系统状态的方法。研究目的是通过优化投票程序来提高集合分类器的质量和性能。使用的方法:机器学习方法、集合分类器、集合剪枝方法、加权自适应投票程序。取得的成果:开发了一种基于运行元算法的计算机系统识别集合方法,该方法具有减少基本分类器数量及其排序的特殊程序。研究了各种基于决策树的基础分类器修剪方法的有效性,以提高元算法的质量。还考虑了使用不同质量指标计算加权系数以实施加权投票的不同类型方法。通过实验研究,可以分别评估所考虑的方法,同时也证实了综合使用这些方法的有效性。结论。根据研究结果,提出了一种基于运行元算法识别计算机系统状态的改进型集合分类器,它与已知分类器的不同之处在于,对基本集合分类器复杂地使用了剪枝方法,并使用了自适应加权投票程序。进一步研究的前景可能包括使用各种机器学习方法选择和调整基本分类器。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
ІТ ТА ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ У ПІДГОТОВЦІ ІНЖЕНЕРІВ З ТЕЛЕКОМУНІКАЦІЙ МОДЕЛЮВАННЯ НАДІЙНОСТІ ТРАНСПОРТУ В ЕКСТРЕМАЛЬНИХ УМОВАХ ФУНКЦІОНУВАННЯ ЯК СИСТЕМИ МАСОВОГО ОБСЛУГОВУВАННЯ З ПРІОРИТЕТАМИ АНАЛІТИЧНЕ МОДЕЛЮВАННЯ ТРАНСПОРТНИХ ЗАТРИМОК НА РЕГУЛЬОВАНИХ ПЕРЕХРЕСТЯХ ПРИ ГРУПОВОМУ ПРИБУТТІ ТРАНСПОРТНИХ ЗАСОБІВ ДО НИХ USING JAVA AND C # PROGRAMMING LANGUAGES FOR SERVER PLATFORMS AND WORKSTATIONS ОПТИМІЗАЦІЙНА МОДЕЛЬ ТЯГОВОГО АСИНХРОННОГО ЕЛЕКТРОПРИВОДУ ДИЗЕЛЬ-ПОЇЗДА ТА ЇЇ ДОСЛІДЖЕННЯ
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1