文献

J-GLOBAL ID：202202213687118588   整理番号：22A0858835

多様なサンプル生成と分類器融合に基づく不均衡データ分類【JST・京大機械翻訳】

Imbalanced data classification based on diverse sample generation and classifier fusion

著者 (3件)： Zhai Junhai (Hebei Key Laboratory of Machine Learning and Computational Intelligence, College of Mathematics and Information Science, Hebei University, Baoding, Hebei, China) ,  Qi Jiaxing (Hebei Key Laboratory of Machine Learning and Computational Intelligence, College of Mathematics and Information Science, Hebei University, Baoding, Hebei, China) ,  Zhang Sufang (Hebei Branch of China Meteorological Administration Training Centre, China Meteorological Administration, Baoding, Hebei, China)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 3  ページ： 735-750  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： クラス不均衡問題は,多くの実世界アプリケーションにおいて普及しているが,不均衡データを分類することは,機械学習における非常に挑戦的なタスクである。SMOTEは最も影響力のあるオーバーサンプリングアプローチである。SMOTEに基づいて,多くの変異体が提案されている。しかし,SMOTEとその変異体には3つの欠点がある。(1)少数クラスサンプルの確率分布は考慮されない;(2)発生した少数サンプルは多様性を欠いている。(3)生成された少数クラスサンプルは,大多数クラスサンプルとの均衡化のために,多くの時間を過剰サンプリングするときに重なる。これらの3つの欠点を克服するために,生成敵対ネットワーク(GAN)ベースのフレームワークを本論文で提案した。フレームワークはオーバーサンプリング法と2クラス不均衡データ分類手法を含む。オーバーサンプリング法は改良GANモデルに基づいており,分類手法はファジィ積分による分類器融合に基づいており,これは提案したオーバーサンプリング法により構築されたバランスデータ部分集合上で訓練されたベース分類器間の相互作用をよくモデル化できる。広範な実験を行い,MMDスコア,Silhouetteスコア,F測度,G平均,およびAUC面積の5つの側面に関して,提案した方法を関連する方法と比較した。実験結果は,提案方法が比較手法より効果的で効率的であることを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  測度 ,  *データ ,  ネットワーク ,  分類 ,  確率分布 ,  改良 ,  応用プログラム ,  不安定性 ,  *釣合 ,  問題 ,  機械学習
準シソーラス用語： オーバサンプリング ,  ファジィ積分 ,  *データ分類 ,  *不均衡データ ,  クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (5件)： 不均衡データ分類 ,  オーバーサンプリング ,  生成敵対ネットワーク ,  多様なサンプル生成 ,  分類器融合

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (5件)： サンプル ,  分類器 ,  融合 ,  不均衡データ ,  分類