개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
- 2021.4
- 수록면
- 43 - 49 (7page)
- DOI
- 10.5573/ieie.2021.58.4.43
이용수
초록· 키워드
오류제보하기
클래스 불균형이란 정의된 클래스 간 샘플 개수의 차이가 매우 커서 샘플의 대부분을 샘플의 수가 적은 소수 클래스(minority class) 보다 샘플의 수가 많은 다수 클래스(majority class)로 예측하게 되는 경우를 말한다. 본 논문에서는 클래스 불균형 상태의 특허데이터로 부터 생성된 분류기의 문제점을 해결하기 위하여 모델 재귀적 오버샘플링이라는 기법을 제안한다. 클래스 불균형인 데이터로 훈련시킨 분류기 생성 후, 특허문서를 기반으로 랜덤 데이터를 생성하고 생성된 랜덤데이터를 앞서 정의된 분류기로 분류한다. 분류기에 의해 예측된 랜덤 데이터 중 소수 클래스로 예측된 데이터를 샘플링 하는 방식이 모델 재귀적 오버샘플링 기법이다. 모델 재귀적 오버샘플링을 통해 만들어진 분류기를 최초 분류기와 비교했을 때 소수 클래스의 precision, recall, f-score가 증가하였다. 특히 SMOTE 오버샘플링 기법을 이용한 분류기와 비교했을 때도 소수 클래스의 정확도가 증가함을 확인하였다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론
REFERENCES
참고문헌 (4)
참고문헌 신청
H. He and E. A. Garcia, Learning from Imbalanced Data, IEEE Transactions on Knowledge and Data Engineering, vol. 21, no. 9, pp. 1263-1284, Sept. 2009, doi: 10.1109/TKDE.2008.239.
Liu, Y. et al., Imbalanced text classification: A term weighting approach, Expert Systems with Applications, vol. 36, no. 1, 690-701, Jan. 2009, doi:10.1016/j.eswa.2007.10.042
Chawla, N. V. et al., SMOTE: Synthetic Minority Over-sampling Technique. Journal of Artificial Intelligence Research 16, 321-357, 2006, doi:10.1613/jair.953
Hui Han. et al., Borderline-SMOTE: A New Over-Sampling Method in Imbalanced Data Sets Learning, Advances in Intelligent Computing. ICIC 2005. Lecture Notes in Computer Science, vol 3644. Springer, Berlin, Heidelberg. doi:10.1007/11538059_91
Liu, Y. et al., Imbalanced text classification: A term weighting approach, Expert Systems with Applications, vol. 36, no. 1, 690-701, Jan. 2009, doi:10.1016/j.eswa.2007.10.042
Chawla, N. V. et al., SMOTE: Synthetic Minority Over-sampling Technique. Journal of Artificial Intelligence Research 16, 321-357, 2006, doi:10.1613/jair.953
Hui Han. et al., Borderline-SMOTE: A New Over-Sampling Method in Imbalanced Data Sets Learning, Advances in Intelligent Computing. ICIC 2005. Lecture Notes in Computer Science, vol 3644. Springer, Berlin, Heidelberg. doi:10.1007/11538059_91
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
고차원 및 혼합형 데이터의 클래스 불균형을 위한 k-최근접 이웃 기반 오버샘플링
한국컴퓨터정보학회 학술발표논문집
2025 .01
-
클래스 불균형 데이터의 효과적인 분류를 위한 k-NN과 생성적 적대 신경망 기반의 오버샘플링
대한산업공학회지
2020 .08
-
데이터 클래스 불균형 문제에서 GAN-KNN을 이용한 오버 샘플링 방법
대한산업공학회 추계학술대회 논문집
2019 .11
-
클래스 불균형 상황의 불완전 데이터 분류를 위한 다중 결측 대체법 기반 오버샘플링 방법
한국정보과학회 학술발표논문집
2020 .07
-
클래스 조합에 따른 다중 클래스 분류 성능에 관한 연구
한국통신학회 학술대회논문집
2019 .11
-
기계학습 방법에 기반 한 불균형 침입탐지 데이터 분류법의 성능평가에 관한 연구
한국지능시스템학회 논문지
2017 .10
-
적은 수의 클래스 문제에서 클래스 불균형을 다루는 개선된 신경망 구조
한국정보과학회 학술발표논문집
2024 .06
-
클래스 불균형 상황에서 VAE를 활용한 패션 스타일 분류 성능 향상
한국정보기술학회논문지
2021 .02
-
Diffusion 생성모델의 Mixup 기반 노이즈 샘플링을 통한 분류 모델의 클래스 불균형 문제 완화
한국지능시스템학회 논문지
2023 .06
-
가중치 VAE 오버샘플링(W-VAE)을 이용한 보안데이터셋 샘플링 기법 연구
한국정보통신학회논문지
2022 .12
-
효율적인 네트워크 이상 탐지를 위한 차원축소 및 오버샘플링 방법 비교
디지털콘텐츠학회논문지
2023 .03
-
이미지 분류 네트워크에서의 효율적 훈련 기법
한국통신학회논문지
2021 .06
-
클래스 불균형 해결을 위한 Diffusion Model 기반 Oversampling
한국정보과학회 학술발표논문집
2023 .06
-
데이터셋 유형 분류를 통한 클래스 불균형 해소 방법 및 분류 알고리즘 추천
한국지능정보시스템학회 학술대회논문집
2022 .06
-
클래스 유사도 반영 단일 클래스 학습을 적용한 연속 학습 기법
한국정보과학회 학술발표논문집
2021 .12
-
불균형한 클래스 데이터에서 오버샘플링 및 3차원 보행 분석을 통한 BMI 분류 정확도 개선
한국컴퓨터정보학회논문지
2024 .09
-
효율적인 인식 대상 추가를 위한 의미론적 이미지 분할 방법
한국통신학회 학술대회논문집
2021 .02
-
클래스 별 손실 함수 통합하여 데이터 불균형에 강건한 모델 학습 방법
한국정보과학회 학술발표논문집
2022 .12
-
부도 예측 불균형 데이터 문제 개선을 위한 거리 기반 오버샘플링 (Oversampling) 접근법
한국지능정보시스템학회 학술대회논문집
2018 .11
-
딥러닝 기반 불균형 침입탐지 데이터 분류에 관한 비교 연구
한국지능시스템학회 논문지
2018 .04
이 논문의 저자 정보
이 논문과 함께 이용한 논문
삼중항 손실 기반의 잔여 네트워크를 이용한 손가락 정맥 인식
강영묵
,
최정규
,
김학일
전자공학회논문지
2021
.05
클래스 불균형 해결을 위한 Diffusion Model 기반 Oversampling
장건희
,
조원근
,
임성수
외 1명
한국정보과학회 학술발표논문집
2023
.06
효율적인 네트워크 이상 탐지를 위한 차원축소 및 오버샘플링 방법 비교
윤지은
,
김강석
디지털콘텐츠학회논문지
2023
.03
불균형 데이터 분류를 위한 Expectation-maximization 알고리즘과 경계 관측치를 이용한 SMOTE
이강혁
,
이강훈
,
고태훈
대한산업공학회지
2021
.06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-569-001651409