class imbalance | BriefGPT - AI 论文速递

关键词class imbalance

搜索结果 - 197

应对高度异质性：航空和空间网络中的联邦学习
通过使用无人机、气球和卫星，联邦学习利用大量的私有边缘数据和计算能力，为航空和航天网络中的网络和数据隐私挑战提供了一种引人注目的解决方案。然而，异质性和类别不平衡问题对于快速模型收敛仍然是一个重大障碍。本研究探讨了异质性对类别不平衡的影响，
PDF7 days ago
元图卷积网络：处理图神经网络中的数据不平衡的动态加权损失最小化方法
本论文提出了一种名为 Meta-GCN 的元学习算法，通过同时最小化无偏元数据集损失和优化模型权重来自适应地学习样本权重，实验证明 Meta-GCN 在两个不同数据集上的分类任务中在准确性、接收器操作特性下的曲线下面积（AUC-ROC 曲线
PDF8 days ago
处理不平衡数据的高效基于 NAS 的方法
利用神经架构搜索（NAS）来增强对长尾数据集的性能的一种新方法被介绍在此论文中，通过 IMB-NAS 的现有工作提出了一种有效地调整 NAS 超级网络以适应不平衡目标数据集的方法。该论文详细描述了 IMB-NAS 的基本技术，其中包括 NA
PDF10 days ago
软件定义网络中的序列二进制分类用于入侵检测
针对软件定义网络中机器学习基础入侵检测系统数据集可能存在的高类别不平衡问题，本文提出了一种称为串行二元分类的算法，通过构建一系列层级级联的基分类器来解决该问题，并使用基准数据集进行了广泛实验以评估其在不同场景下的性能。
PDF22 days ago
引导式多目标跟踪
通过引入具有鉴别力的语言词汇，我们首先将 Refer-KITTI 转化为大规模数据集 Refer-KITTI-V2，解决了类别不平衡问题，并通过大型语言模型推进策略扩展了数据集，包含了 617 个不同的关键词，超过了之前 RMOT 基准。此
PDF25 days ago
半导体制造中智能工业的少数类预测模型
本文介绍了一种用于智能半导体制造过程中原位数据的稀有类预测方法，旨在解决噪音和类不平衡问题，提高类别分离，并在性能评估中展示了良好的结果。
PDFa month ago
优化交通标志识别：定制数据增强解决类别不平衡和样本匮乏问题
通过定制化的数据增强技术以及包括合成图像生成、几何变换和基于障碍物的增强方法，该研究解决了交通标志识别中的关键挑战：类别不平衡和数据集稀缺。研究结果表明，在交通标志识别模型性能方面取得了显著改进，这对于交通标志识别系统具有重要意义。该研究不
PDFa month ago
超越 ImageNet-1K 的深度聚类方法的扩展
在大规模基准数据集上，探索了基于特征的深度聚类方法的性能表现，并分析了数据相关因素对其影响，包括类别不平衡、类别粒度、易于识别的类别和捕获多类别的能力。通过基于 ImageNet21K 的多个新基准评估实验，发现基于特征的 $k$-mean
PDFa month ago
边缘引导和类别平衡的主动学习用于航空图像的语义分割
提出了基于边缘指导的标注单元作为新单元以及对类别不平衡的综合性处理，改进的方法在三个基准数据集上相比最先进方法获得了超过 11.2% 的性能提升，并相比基准模型提高了超过 18.6% 的性能表现，为未来关于航空图像语义分割的主动学习研究建立
PDFa month ago
恢复平衡：基于原则的数据欠采样 / 过采样用于最佳分类
在这项研究中，我们确定了线性分类器（支持向量机）在高维度情况下的泛化曲线的确切分析表达式，并对于数据的类别不平衡性、数据的第一和第二时刻以及所考虑的性能指标的影响给出了锐利的预测。我们表明，涉及数据的欠采样和过采样的混合策略会提高性能。通过
PDF2 months ago
利用基于 BERT 的模型推动跨学科研究：通过 SciBERT-CNN 与主题建模的方法
该论文介绍了一种使用 SciBERT 模型和 CNN 的新方法，通过处理摘要、正文、标题和关键词等多个部分，以解决多标签文本分类中的语义关系和类别不平衡问题，并在文献综述效率方面取得显著改进。
PDF3 months ago
对装袋不足进行复制分析
通过对一种用于从不平衡数据中训练分类器的流行集成学习方法的尖锐渐近性进行推导，本文比较了与几种其他标准方法在从二元混合数据中训练线性分类器的情况下学习不平衡数据的性能。从结果中发现，增加多数类别的大小可以提高 UB 的性能，特别是当少数类别
PDF3 months ago
不平衡分类问题的鲁棒性能指标
在不平衡分类问题中，传统的性能度量标准如 F-score、Jaccard 相似系数或 Matthews 相关系数对于类别不平衡并不稳健，因为当少数类占比接近 0 时，这些度量标准下的贝叶斯分类器的真正阳性率（TPR）也趋近于 0。为了解决这
PDF3 months ago
CVPRPromptSync：通过分类感知的原型对齐和判别消除视觉语言模型中的领域差距
通过分类原型对齐和提示同步来提高视觉语言模型的零样本泛化能力和处理类别不平衡问题，并在测试中取得明显优于其他方法的结果。
PDF3 months ago
类相似度转换：从广义少样本分割中解耦类相似度和不平衡
在广义 Few-shot 分割（GFSS）中，通过使用大量基本类别样本对模型进行训练，再对有限的新类别样本进行调整。本文主要关注基本类别和新类别之间的相关性，并在两个方面对 GFSS 进行改进：1）利用基本类别与新类别之间的相似性促进新类别
PDF3 months ago
CVPRBEM：长尾半监督学习的均衡和熵引导混合方法
本文介绍了一种平衡和基于熵的混合（BEM）方法，以重新平衡长尾半监督学习中的类分布，并通过数据混合改善长尾半监督学习，实验证明 BEM 显著提高了各种长尾半监督学习框架，在多个基准测试中达到了最先进的性能。
PDF3 months ago
利用 LLM 增加 NER 数据集：走向自动化和精确注释
在自然语言处理（NLP）领域，命名实体识别（NER）被认为是一项关键技术，广泛应用于各种应用。本研究引入了一种新颖的混合标注方法，将人力与大型语言模型（LLMs）的能力相结合，旨在提高 NER 模型的性能，并以经济的方式解决传统标注方法存在
PDF3 months ago
多标签自适应批量选择：突出困难和不平衡样本
深度神经网络模型对多标签数据进行分类，然而在构建小批量时，类别不平衡导致模型对多数标签偏向，本研究引入了适用于多标签深度学习模型的简单且有效的自适应批量选择算法，优先选择与少数标签相关的困难样本，实验证明我们的方法比随机批量选择更快地收敛并
PDF3 months ago
iBRF: 改进的平衡随机森林分类器
在这项研究中，我们提出了一种改进的平衡随机森林分类器 (iBRF)，通过混合采样技术来平衡不均匀的类别分布，在解决不平衡分类任务时取得了比其他采样技术更好的预测性能。
PDF4 months ago
通过扩散模型进行迭代式在线图像合成以解决不平衡分类
医学图像分类中存在类别不平衡问题，我们引入了一种迭代在线图像合成（IOIS）框架以解决该问题，该框架包含在线图像合成（OIS）和准确适应采样（AAS）两个关键模块，通过在实例级别和类别级别上目标的不平衡分类问题。实验证明了我们的方法在解决类
PDF4 months ago