| 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 |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
นานาชาติ |
| citation |
มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English