論文の概要: Three-way Imbalanced Learning based on Fuzzy Twin SVM

• arxiv url: http://arxiv.org/abs/2306.03885v1
• Date: Fri, 19 May 2023 06:38:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-11 13:39:23.045342
• Title: Three-way Imbalanced Learning based on Fuzzy Twin SVM
• Title（参考訳）: ファジィ双対SVMに基づく三方向不均衡学習
• Authors: Wanting Cai, Mingjie Cai, Qingguo Li, Qiong Liu
• Abstract要約: 3方向決定(3WD)は、不確実なデータを扱うためのグラニュラーコンピューティングの強力なツールである。 本稿では,機械学習における標準バイナリ分類モデルであるSVMに三方向決定を関連付ける。 新たな三方向ファジィサポートベクター(TWFTSVM)と三方向ファジィサポートベクター(TWFTSVM)を提案する。
• 参考スコア（独自算出の注目度）: 11.245448705254125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Three-way decision (3WD) is a powerful tool for granular computing to deal with uncertain data, commonly used in information systems, decision-making, and medical care. Three-way decision gets much research in traditional rough set models. However, three-way decision is rarely combined with the currently popular field of machine learning to expand its research. In this paper, three-way decision is connected with SVM, a standard binary classification model in machine learning, for solving imbalanced classification problems that SVM needs to improve. A new three-way fuzzy membership function and a new fuzzy twin support vector machine with three-way membership (TWFTSVM) are proposed. The new three-way fuzzy membership function is defined to increase the certainty of uncertain data in both input space and feature space, which assigns higher fuzzy membership to minority samples compared with majority samples. To evaluate the effectiveness of the proposed model, comparative experiments are designed for forty-seven different datasets with varying imbalance ratios. In addition, datasets with different imbalance ratios are derived from the same dataset to further assess the proposed model's performance. The results show that the proposed model significantly outperforms other traditional SVM-based methods.
• Abstract（参考訳）: 3方向決定(3WD)は、情報システム、意思決定、医療で一般的に使用される不確実なデータを扱うための、グラニュラーコンピューティングの強力なツールである。 3方向決定は従来の粗い集合モデルで多くの研究を受ける。 しかし、その研究を拡大するために現在広く使われている機械学習の分野と組み合わされることはめったにない。 本稿では,機械学習における標準バイナリ分類モデルであるsvmと3方向決定を結びつけ,svmが改善すべき不均衡な分類問題を解決する。 新たな三方向ファジィメンバシップ関数と三方向メンバシップ(twftsvm)を備えた新しいファジィ双対支持ベクターマシンを提案する。 新たな3方向ファジィメンバシップ関数は、入力空間と特徴空間の両方における不確定データの確実性を高めるために定義され、少数サンプルに対して多数サンプルに比べて高いファジィメンバシップを割り当てる。 提案モデルの有効性を評価するため,差分不均衡比の異なる4つのデータセットの比較実験を行った。 また、不均衡比が異なるデータセットを同一データセットから導出して、提案モデルの性能をさらに評価する。 その結果,提案手法は従来のSVM法よりも優れていた。

関連論文リスト

• Enhancing Imbalance Learning: A Novel Slack-Factor Fuzzy SVM Approach [0.0]
  サポートベクターマシン(FSVM)は、様々なファジィメンバシップをサンプルに割り当てることで、クラス不均衡に対処する。 最近開発されたslack-factor-based FSVM(SFFSVM)は、slack Factorを使用して、誤分類可能性に基づいてファジィメンバシップを調整することで、従来のFSVMを改善している。 そこで我々は,新しい位置パラメータを導入する改良されたスラックファクターベースFSVM(ISFFSVM)を提案する。
  論文  参考訳（メタデータ） (2024-11-26T05:47:01Z)
• Intuitionistic Fuzzy Universum Twin Support Vector Machine for Imbalanced Data [0.0]
  機械学習手法の大きな問題の1つは、不均衡なデータセットを分類することである。 不均衡データ(IFUTSVM-ID)のための直観的ファジィユニバームツインサポートベクトルマシンを提案する。 雑音や外周の影響を軽減するため,直観主義的なファジィ・メンバシップ・スキームを用いる。
  論文  参考訳（メタデータ） (2024-10-27T04:25:42Z)
• Projection based fuzzy least squares twin support vector machine for class imbalance problems [0.9668407688201361]
  本稿では,不均衡なクラスとノイズの多いデータセットを扱うファジィに基づく新しい手法を提案する。 提案アルゴリズムは,複数のベンチマークおよび合成データセットを用いて評価する。
  論文  参考訳（メタデータ） (2023-09-27T14:28:48Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Tackling Diverse Minorities in Imbalanced Classification [80.78227787608714]
  不均衡データセットは、様々な現実世界のアプリケーションで一般的に見られ、分類器の訓練において重要な課題が提示されている。 マイノリティクラスとマイノリティクラスの両方のデータサンプルを混合することにより、反復的に合成サンプルを生成することを提案する。 提案するフレームワークの有効性を,7つの公開ベンチマークデータセットを用いて広範な実験により実証する。
  論文  参考訳（メタデータ） (2023-08-28T18:48:34Z)
• Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
  相関に基づくステレオマッチングは優れた性能を達成した。 固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。 本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-26T09:47:37Z)
• Sparse MoEs meet Efficient Ensembles [49.313497379189315]
  このようなモデルの2つの一般的なクラス、すなわちニューラルネットワークのアンサンブルと専門家のスパースミックス(スパースMoE)の相互作用について研究する。 Efficient Ensemble of Experts (E$3$)は、両モデルのクラスを最大限に活用するスケーラブルでシンプルなMoEのアンサンブルであり、深いアンサンブルよりも最大45%少ないFLOPを使用する。
  論文  参考訳（メタデータ） (2021-10-07T11:58:35Z)
• Weighted Least Squares Twin Support Vector Machine with Fuzzy Rough Set Theory for Imbalanced Data Classification [0.483420384410068]
  サポートベクトルマシン(SVM)は、分類問題を解決するために開発された強力な教師付き学習ツールである。 重み付き最小二乗支援ベクトルマシンFRLSTSVMにおけるファジィ粗集合理論を不均衡データの分類に効率的に利用する手法を提案する。
  論文  参考訳（メタデータ） (2021-05-03T22:33:39Z)
• Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
  マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。 ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。 マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
  論文  参考訳（メタデータ） (2020-12-29T23:43:16Z)
• Machine learning with incomplete datasets using multi-objective optimization models [1.933681537640272]
  分類モデルが学習されている間、欠落した値を扱うオンラインアプローチを提案する。 命令とモデル選択のための2つの目的関数を持つ多目的最適化モデルを開発する。 NSGA IIに基づく進化的アルゴリズムを用いて最適解を求める。
  論文  参考訳（メタデータ） (2020-12-04T03:44:33Z)
• Modelling the Distribution of 3D Brain MRI using a 2D Slice VAE [66.63629641650572]
  本研究では,2次元スライスVAEとガウスモデルを組み合わせた3次元MR脳の体積分布をモデル化する手法を提案する。 また,本研究では,脳解剖学に適合するセグメンテーションの精度を定量的に評価する新たなボリューム評価手法を提案する。
  論文  参考訳（メタデータ） (2020-07-09T13:23:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。