class imbalance | BriefGPT - AI 论文速递

关键词class imbalance

搜索结果 - 204

改进不平衡数据集上的 GBDT 性能：一项基于类平衡损失函数的实证研究
本研究首次全面研究了将适应性类平衡损失函数应用于三种 GBDT 算法在不同表格分类任务中，包括二元、多类和多标记分类。通过在多个数据集上进行广泛的实验，评估了类平衡损失对于不同 GBDT 模型的影响，建立了一个有价值的基准。结果表明，类平衡
PDF8 days ago
语义分割中类别不平衡的实例级不确定性
通过使用集合计算的实例级别不确定性掩码来加权训练样本，提高了少数类别的性能、模型的泛化能力和对领域转移的鲁棒性，从而解决了语义分割中类别不平衡和不确定性估计的挑战。
PDF10 days ago
学习不平衡数据分类的置信界限
该研究提出了一种新的框架，通过利用学习理论和浓度不等式，以解决传统解决方案的不足之处。该方法通过嵌入到学习过程中的置信区间来以类依赖的方式理解不确定性，从而能够适应不同类别之间不平衡程度的变化，提供更稳健可靠的分类结果。实证结果表明，该框架
PDF11 days ago
少样本领域自适应微观图像目标检测
针对医学成像数据集的类不平衡和信息缺乏等问题，提出了一种用于微观成像的新颖的少样本领域自适应对象检测 (FSDAOD) 策略，通过域自适应类平衡策略、多层次实例级别领域对齐以及实例级别分类损失来提高显微图像的相似性和正确分类能力。实验结果表
PDF17 days ago
存在高标签噪声的不平衡医学图像分类任务的主动标签精炼强化训练
这篇研究提出了一种两阶段的方法，结合学习与不确定标签以及主动学习，来提高医学图像分类在存在噪声标签的情况下的鲁棒性，并通过有限的注释预算迭代地改进数据集的质量。同时，引入了新颖的梯度方差方法，辅助基于损失函数的样本选择，同时采样了少数类别样
PDF19 days ago
IJCAIZeroDDI: 语义增强学习和双模态统一对齐的零射预测药物相互作用事件方法
ZeroDDI 是一种用于零样本预测药物 - 药物相互作用（DDI）事件的新方法，它通过设计生物语义增强的 DDIE 表示学习模块和双模态统一对齐策略，解决了适应 DDIE 的合适表示学习和应对类别不平衡的挑战，实验结果表明其在检测未知 D
PDFa month ago
基于梯度的类别加权在密集预测视觉任务中的无监督领域自适应
该论文提出了一种通过梯度的类权重估计来动态调整无监督领域自适应学习损失函数的类别平衡策略，名为基于梯度的类权重学习（GBW），在密集预测视觉任务中取得有效结果，尤其对于语义和全景分割任务能够提高低表征类的召回率。
PDFa month ago
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，
PDFa month 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
PDFa month 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
PDFa month 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。
PDF2 months 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
PDF2 months 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。
PDF2 months 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
PDF2 months 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
PDF2 months 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
PDF2 months 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
PDF4 months ago