2009-2015 ©
             ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
ชื่อบทความ Hybrid balancing technique using GRSOM and bootstap algorithms for classifiers with imbalanced data 
วัน/เดือน/ปี ที่ได้ตอบรับ 1 พฤษภาคม 2557 
วารสาร
     ชื่อวารสาร Advanced Materials Research 
     มาตรฐานของวารสาร SCOPUS 
     หน่วยงานเจ้าของวารสาร Scientific.net 
     ISBN/ISSN 1662-8985 
     ปีที่ 2014 
     ฉบับที่ 931-932 
     เดือน May
     ปี พ.ศ. ที่พิมพ์ 2557 
     หน้า 1375-1381 
     บทคัดย่อ To deal with imbalanced data, this paper proposes a hybrid data balancing technique which incorporates both over and under-sampling approaches. This technique determines how much minority data should be grown as well as how much majority data should be reduced. In this manner, noise introduced to the data due to excessive over-sampling could be avoided. On top of that, the proposed data balancing technique helps to determine the appropriate size of the balanced data and thus computation time required for construction of classifiers would be more efficient. The data balancing technique over samples the minority data through GRSOM method and then under samples the majority data using the bootstrap sampling approach. GRSOM is used in this study because it grows new samples in a non-linear fashion and preserves the original data structure. Performance of the proposed method is tested using four data sets from UCI Machine Learning Repository. Once the data sets are balanced, the committee of classifiers is constructed using these balanced data. The experimental results reveal that our proposed data balancing method provides the best performance. 
     คำสำคัญ Imbalanced data, data balancing technique, committee networks 
ผู้เขียน
517040020-5 น.ส. ศิโรรัตน์ พัฒนไพโรจน์ [ผู้เขียนหลัก]
คณะวิศวกรรมศาสตร์ ปริญญาเอก ภาคปกติ

การประเมินบทความ มีผู้ประเมินอิสระ 
สถานภาพการเผยแพร่ ตีพิมพ์แล้ว 
วารสารมีการเผยแพร่ในระดับ นานาชาติ 
citation มี 
เป็นส่วนหนึ่งของวิทยานิพนธ์ เป็น 
แนบไฟล์
Citation 0