文献

J-GLOBAL ID：201202245751946880   整理番号：12A0834214

クラス不均衡問題のための逆ランダムアンダーサンプリングとマルチラベル分類への応用

Inverse random under sampling for class imbalance problem and its application to multi-label classification

著者 (4件)： TAHIR Muhammad Atif (Centre for Vision, Speech and Signal Processing, Univ. of Surrey, Guildford GU2 7XH, GBR) ,  TAHIR Muhammad Atif (School of Computing, Engineering and Information Sci., Northumbria Univ., Newcastle Upon Tyne, GBR) ,  KITTLER Josef (Centre for Vision, Speech and Signal Processing, Univ. of Surrey, Guildford GU2 7XH, GBR) ,  YAN Fei (Centre for Vision, Speech and Signal Processing, Univ. of Surrey, Guildford GU2 7XH, GBR)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 45  号： 10  ページ： 3738-3750  発行年： 2012年10月 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： クラス不均衡問題に対して,新しい逆ランダムアンダーサンプリング(IRUS)法を提案した。主要なアイディアは,多数クラスを厳しくアンダーサンプリングし,多くの異なる訓練集合を作ることである。各訓練集合に対して,多数クラスから少数クラスを分離する決定境界を見出す。複数の設計を融合により組合せて,多数クラスと少数クラスに間の複合境界を構築する。提案の方法論を22のUCIデータ集合に適用し,多くの既存のクラス不均衡学習法と比較して性能が著しく向上することを実験結果で示した。また,音楽,テキストや画像の分類のような多くの新しい応用分野で挑戦的な研究課題であるマルチラベル分類に対しても有望な結果を示した。Copyright 2012 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *信号標本化 ,  *不均一性 ,  *分類 ,  無作為抽出 ,  逆問題 ,  データ ,  数 ,  決定問題 ,  境界 ,  学習 ,  マルチメディア
準シソーラス用語： *アンダーサンプリング ,  *クラス分類 ,  訓練データ ,  多数

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： クラス不均衡 ,  問題 ,  アンダーサンプリング ,  マルチラベル分類 ,  応用