지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.8
- 수록면
- 365 - 371 (7page)
- DOI
- 10.7232/JKIIE.2020.46.4.365
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Class imbalanced dataset is common in real world and may degrade the performance of the classifier. To address this, oversampling method that artificially creates the samples of minority class is adopted but is known to be ineffective for the high-dimensional dataset because it generates the samples whose distribution is far different from that of existing samples. Novel oversampling methods based on the generative adversarial networks (GAN) have been recently developed, but generated samples may have different degrees of impact on the performance of the classifier. Therefore, more efficient method that can capture the characteristics of the generated samples and select those samples that will be used to train and improve the performance of the classifier is necessary. This study proposes a GAN-based new oversampling method which generates artificial samples based on the distribution of existing minority class samples and extracts only those which are effective to expand the realm of samples of minority class using the k-nearest neighbor. We show the proposed method outperforms existing methods with respect to F1-measure by several illustrative datasets.
목차
1. 서론
2. 생성적 적대 신경망
3. 제안 방법
4. 실험 및 결과
5. 결론
참고문헌
참고문헌 (17)
참고문헌 신청
Bahnsen, A. C., Aouada, D., Stojanovic, A., and Ottersten, B. (2016), Feature Engineering Strategies for Credit Card Fraud Detection, Expert Systems with Applications, 51, 134-142.
Chawla, N. V., Bowyer, K. W., Hall, L. O., and Kegelmeyer, W. P. (2002), SMOTE : Synthetic Minority Over-sampling Technique, Journal of Artificial Intelligence Research, 16, 321-357.
Dal Pozzolo, A., Caelen, O., Le Borgne, Y. A., Waterschoot, S., and Bontempi, G. (2014), Learned Lessons in Credit Card Fraud Detection from a Practitioner Perspective, Expert Systems with Applications, 41(10), 4915-4928.
Douzas, G. and Bacao, F. (2018), Effective Data Generation for Imbalanced Learning Using Conditional Generative Adversarial Networks, Expert Systems with Applications, 91, 464-471.
Ghazikhani, A., Yazdi, H. S., and Monsefi, R. (2012), Class Imbalance Handling Using Wrapper-Based Random Vversampling, Proc. 20th Iranian Conf. on Electrical Engineering, 611-616.
Chawla, N. V., Bowyer, K. W., Hall, L. O., and Kegelmeyer, W. P. (2002), SMOTE : Synthetic Minority Over-sampling Technique, Journal of Artificial Intelligence Research, 16, 321-357.
Dal Pozzolo, A., Caelen, O., Le Borgne, Y. A., Waterschoot, S., and Bontempi, G. (2014), Learned Lessons in Credit Card Fraud Detection from a Practitioner Perspective, Expert Systems with Applications, 41(10), 4915-4928.
Douzas, G. and Bacao, F. (2018), Effective Data Generation for Imbalanced Learning Using Conditional Generative Adversarial Networks, Expert Systems with Applications, 91, 464-471.
Ghazikhani, A., Yazdi, H. S., and Monsefi, R. (2012), Class Imbalance Handling Using Wrapper-Based Random Vversampling, Proc. 20th Iranian Conf. on Electrical Engineering, 611-616.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
클래스 불균형 해결을 위한 Diffusion Model 기반 Oversampling
한국정보과학회 학술발표논문집
2023 .06
-
클래스 불균형 문제가 있는 특허분류 데이터의 자동분류 성능 개선을 위한 모델 재귀적 오버샘플링 방법
전자공학회논문지
2021 .04
-
Comparative Analysis of Oversampling Techniques and Feature Selection for Intrusion Detection
한국통신학회논문지
2024 .11
-
A study on the characteristics of applying oversampling algorithms to Fosberg Fire-Weather Index (FFWI) data
Smart Structures and Systems, An International Journal
2024 .07
-
Oversampling Techniques for Detecting Bitcoin Illegal Transactions
한국통신학회 APNOMS
2020 .09
-
Sequence Oversampling Technique based on Generative Adversarial Nets
대한산업공학회 추계학술대회 논문집
2017 .11
-
불균형 게임데이터 문제해결을 위한 Generative Adversarial Network 기반 오버샘플링 기법
대한전자공학회 학술대회
2017 .06
-
효율적인 네트워크 이상 탐지를 위한 차원축소 및 오버샘플링 방법 비교
디지털콘텐츠학회논문지
2023 .03
-
Sampling Zero란 무엇인가?
제어로봇시스템학회지
2019 .03
-
부도 예측 불균형 데이터 문제 개선을 위한 거리 기반 오버샘플링 (Oversampling) 접근법
한국지능정보시스템학회 학술대회논문집
2018 .11
-
A Boundary-Focused Generative Adversarial Networks for Oversampling in Imbalance and Multimodal Time- Series Classification
대한산업공학회 추계학술대회 논문집
2018 .11
-
차량 이미지 분류기 학습을 위한 샘플 자동 선택 기법
대한전자공학회 학술대회
2015 .06
-
가중치 VAE 오버샘플링(W-VAE)을 이용한 보안데이터셋 샘플링 기법 연구
한국정보통신학회논문지
2022 .12
-
Experimental Analysis of Equilibrization in Binary Classification for Non-Image Imbalanced Data Using Wasserstein GAN
International journal of internet, broadcasting and communication : IJIBC
2019 .01
-
Mitigating Class Imbalance with Ensemble SMOTEfied-GAN: Advancing Detection Strategies for Automobile Insurance Fraud
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2024 .12
-
GAN을 이용한 데이터 불균형 문제에 관한 연구
한국통신학회 학술대회논문집
2019 .01
-
Training Neural Networks with Adaptive Oversampling at Hidden Layers for Imbalanced Data Classification
대한산업공학회 추계학술대회 논문집
2019 .11
-
적대적 생성 신경망기반 데이터 증강을 통한 해상객체 식별 성능향상에 대한 연구
대한전자공학회 학술대회
2021 .06
-
클래스 불균형 상황의 불완전 데이터 분류를 위한 다중 결측 대체법 기반 오버샘플링 방법
한국정보과학회 학술발표논문집
2020 .07
-
가우시안 기반 Hyper-Rectangle 생성을 이용한 효율적 단일 분류기
산업경영시스템학회지
2018 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-530-001096372