یکی از راهکارهایی که برای افزایش بهره­وری روش­های تجمیعی وجود دارد، انتخاب زیرمجموعه­ای از مدل­های تجمیع است که در مقایسه با کل آن، عملکرد پیش­بینی بالاتر و سربار محاسباتی کمتری دارد. در این مقاله، یک روش جدیدِ انتخابِ دسته­بند تجمیعی با نام “روش محتمل شعاعی” پیشنهاد می­­شود. روش پیشنهادی با استفاده از الگوریتم تبرید شبیه سازی شده و استراتژی پیشنهادی “شعاعی خطی”، که برای انتخاب همسایگی پیشنهاد می­شود، به دنبال دقیق­ترین زیرمجموعه از تجمیع می­گردد. روش محتمل شعاعی با دو روش انتخاب تجمیع مشابه دیگر، در شرایطی یکسان از نظر ساخت تجمیع ناهمگن و ترکیب نتایج، مقایسه می­شود. مطابق با نتایج حاصله، روش محتمل شعاعی در مقایسه با دو روش دیگر، به طور میانگین منتهی به 6/2% بهبود دقت می­شود.

كلمات كليدي: