imbalanced dataset | BriefGPT

关键词imbalanced dataset

搜索结果 - 15

MPOFI：基于深度度量学习的多通道部分观测功能建模用于不平衡数据集的缺陷分类
利用深度度量学习和专门设计用于处理多通道和部分观测功能数据的神经网络，我们提出了一种名为 MPOFI 的创新框架，用于在一个不平衡数据集中对缺陷样本进行分类。通过开发相应的损失函数，我们展示了该框架相对于现有基准的卓越准确性。
PDF3 months ago
有偏的二元属性分类器忽略了大多数类别
本研究延伸了梯度基于 Class Activation Mapping (CAM) 方法，以适用于二分类器，并可视化二元面部属性分类器的活跃区域。实验结果表明，偏斜分类器主要依赖于多数类别的偏倚激活，而均衡分类器在不平衡数据上经过调整后，多
PDF3 months ago
面向未知标签噪音和不平衡数据集的全能对抗训练
本研究提出了全能对抗训练（OAT）方法来解决训练集中不平衡数据和有噪声的数据集，其策略包括两种创新方法：引入 Oracle 来帮助模型学习正确的数据标签条件分布，并提出 logits 调整对抗训练来克服数据不平衡的挑战。全面的评估结果表明，
PDFa year ago
基于特征的广义高斯分布方法在超宽带（UWB）室内定位系统 NLoS 检测中的应用
提出了一种基于特征的高斯分布和广义高斯分布 Non-Line-of-Sight 检测算法，可用于改善所提供的数据库中 NLoS 和 LoS 信号不平衡造成的定位不精确度问题，比 SVM、DT、NB 和 NN 算法效果更好。
PDFa year ago
利用面部视频检测老年人轻度认知障碍的 MC-ViViT 多分支分类器 - ViViT
本文提出了一种新的 Multi-branch Classifier-Video Vision Transformer (MC-ViViT) 模型，通过分析面部特征区分普通认知和轻度认知障碍 (MCI)。作者通过提出的 HP Loss 组合了
PDFa year ago
探索用于不平衡学习的视觉 - 语言模型
本文针对 Vision-Language models 在处理 imbalanced dataset 时性能较差的问题，提出了加入 lightweight decoder 和 imbalanced 方法的改进方案，并在 ImageNet-L
PDFa year ago
ACLFVQA 2.0：将对抗样本引入基于事实的视觉问答
FVQA 2.0 数据集添加了敌对测试问题，以解决此数据集高度不平衡及集中在其相关知识图谱的部分问题。实验结果表明，原始数据集训练的系统容易受到敌对样本的影响，但通过无需人工标记的增强方法可以减少此类漏洞。
PDFa year ago
使用增强随机森林分类器检测不平衡数据中的信用卡欺诈
本论文研究了信用卡欺诈检测的难点 - 数据集不平衡的问题，采用随机森林算法和合成少数过采样技术（SMOTE）以提高欺诈检测的准确性，在信用卡交易数据集上实验，成功实现了欺诈检测的 98% 准确率。
PDFa year ago
基于不平衡医疗数据的机器学习性能分析来预测中风
本文探讨了卒中的潜在风险因素，比较了四种不同的方法以提高不平衡的卒中数据集的分类性能，并发现对于大规模严重失衡数据集，SMOTE 和 PCA-Kmeans 与 DNN-Focal Loss 表现最佳。
PDF2 years ago
从患者角度探讨检测德语不良药物反应的跨语言方法
本文首次提出了一个针对德国患者提供的 Adverse Drug Reaction 侦测语料库，包含了德语患者论坛中 4169 个二进制标注文件，并呈现了这个社交媒体数据的课程和主题的不平衡性，通过使用 XLM-RoBERTa 在英语和德语患
PDF2 years ago
改善孟加拉语假新闻检测性能的方法：平衡处理和模型堆叠
本文介绍了多种解决不平衡数据集问题的方法，同时提出了一种能够在数据不平衡时提高性能的技术，并将其应用于 BangFakeNews 数据集，结果表明使用数据操纵技术，如 SMOTE，可以获得 93.1% 的 F1 分数，而使用非数据操纵方法，
PDF2 years ago
ICML神经网络分类器作为互信息评估器
本文提出了一种使用交叉熵和 softmax 作为互信息评估器的神经网络分类器的新视角，并且在数据集不平衡时，开发了一种新的 softmax 形式，该形式可以将分类器转换为互信息评估器。实验结果表明，该形式可以提高分类准确性，特别是对于不平衡
PDF3 years ago
平衡还是不平衡：一种简单而有效的长尾分布学习方法
本文提出了一个简单而有效的辅助学习方法，通过对神经网络进行分类器和特征提取器的拆分，并针对每个部分采用不同的训练策略，如采用类平衡采样方案来提高对尾部类别的重视，并通过自监督学习进一步提高性能，从而解决了类别不平衡问题。
PDF5 years ago
重采样对不平衡分类准确性的影响
研究了不平衡数据集下使用不同的重采样方法对分类准确性的影响，并比较了重采样方法的优缺点。
PDF7 years ago
Imbalanced-learn: 一个用于解决机器学习中不均衡数据集问题的 Python 工具箱
imbalanced-learn 是一个针对机器学习和模式识别中经常遇到的不平衡数据集问题提供一系列解决方法的 Python 开源工具箱，其中实现了最先进的四大方法，即欠采样、过采样、过采样与欠采样的组合以及集成学习方法。
PDF8 years ago