ارائه روشی ترکیبی برای افزایش دقت پیش‌بینی در کاهش داده با استفاده از مدل مجموعه راف و هوش تجمعی

نیاز به طراحی سامانه هایی که قادر به اکتشاف سریع اطلاعات مورد علاقه کاربران با تاکید بر کمینه مداخله انسانی باشند از یک سو و روی آوردن به روش های تحلیل متناسب با حجم داده های حجیم ازسوی دیگر، در دنیای امروزی به خوبی احساس می شود. از این رو بهره گیری از قدرت فرآیند داده کاوی جهت شناسایی الگوها و مدل ها و نیز ارتباط عناصر مختلف در پایگاه داده جهت کشف دانش نهفته در داده ها روز به روز ضروری تر می شود. از سوی دیگر تئوری مجموعه راف را می توان به عنوان یک ابزار برای کشف وابستگی داده ها و کاهش خصیصه های موجود در یک مجموعه داده، تنها با استفاده از داده ها و بدون نیاز به اطلاعات اضافی برشمرد. در این پژوهش جهت بهبود روند انتخاب ویژگی های اصلی و بهبود تئوری مجموعه راف، از ترکیب الگوریتم مورچگان و تئوری مجموعه راف جهت یافتن زیرمجموعه ویژگی های اصلی و حذف اطلاعات غیر مفید با از دست رفتن کمینه اطلاعات استفاده شده است. نتایج حاصل از این ترکیب در ارزیابی داده های قیمت نفت نشان می دهد که ترکیب الگوریتم مورچگان و تئوری مجموعه راف در انتخاب ویژگی های مفید و بهینه، عملکرد مناسب تری نسبت به مدل های اخیر دارد.