Метод ідентифікації стану комп'ютерної системи на основі ансамблевих класифікаторів з покращеною процедурою голосування

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.

The object of research is the process of identifying the state of the computer system. The subject of research is the methods of identifying the state of CS. The purpose of research is to improve the quality and performance of ensemble classifiers by optimizing the voting procedure. Methods used: machine learning methods, ensemble classifiers, ensemble pruning method, weighted adaptive voting procedure. The results were obtained: an ensemble method of identification of computer systems based on the begging meta-algorithm with a special procedure for reducing the number of basic classifiers and their ranking was developed. The effectiveness of various approaches to pruning basic classifiers based on decision trees to improve the quality of the meta-algorithm was investigated. Different types of methods for calculating weighting coefficients for the implementation of weighted voting using various quality metrics are considered. Experimental studies allowed to evaluate the considered ap-proaches separately, and also confirmed the effectiveness of their integrated use. Conclusions. Based on the results of the research, an improved ensemble classifier for identifying the state of the computer system based on the begging meta-algorithm is proposed, which differs from the known ones in the complex use of pruning methods of basic ensemble classifiers and the use of the adaptive weighted voting procedure. Due to the improvement of the classifier, it was possible to increase its accuracy to 2.5%. Prospects for further research may be the selection and adjustment of basic classifiers using various machine learning methods.