کنفرانس بین المللی محاسبات نرم

لطفا منتظر بمانید ...

صفحه اصلی / پنجمین کنفرانس بین المللی محاسبات نرم

Imbalanced Data Classification Using Combination of Oversampling and Fuzzy Support Vector Machines

نویسندگان :

Mostafa Sabzekar¹ Arash Deldari²

1- دانشگاه صنعتی بیرجند 2- دانشگاه تربت حیدریه

کلمات کلیدی :

Imbalanced data،SMOTE algorithm،fuzzy support vector machines

چکیده :

ABSTRACT Classifying imbalanced data stands as a critical aspect in machine learning, posing substantial hurdles due to the uneven distribution of data. Diverse methods have emerged to address such challenges in data categorization. This study aims to alleviate data imbalances while leveraging Fuzzy Support Vector Machines (FSVM) to bolster resilience against noisy and outlier data in mining tasks. Initially, our approach involves preprocessing the data via the SMOTE algorithm to establish a balanced dataset. This algorithm synthesizes data for the minority class by considering the proximity of individual samples. Following this, we employ Fuzzy Support Vector Machines to classify the preprocessed data. Lastly, we introduce a novel membership function for FSVM. The UCI dataset serves as the testing ground. Comparative results showcase the proposed method's adeptness in effectively handling imbalanced data.

لیست مقالات

لیست مقالات بایگانی شده

زمانبندی کامیون‌ها در یک انبار متقاطع با در نظر گرفتن لجستیک معکوس و مرتب‌سازی محموله‌ها در محیط خاکستری

حمیدرضا قیاسی - سید میثم موسوی - فرزاد عظیمی

A CNN-LSTM Framework for EEG-Based Emotion Recognition

Zahra Amiri - Azadeh Mansouri

The Application of Clustering Algorithms for Partitioning Forest Trees into Representative Sections

Yashar Pourali Behzad - Arghavan Habibi Bibalani - Ghassem Habibi Bibalani

Persian Scientific Question Answering: A Transformer-based Approach with a Domain-Specific Dataset

Hediyeh Mosafer - Seyyed Abdorreza Hesam Mohseni

بهینه‌ساز مرتبه کسری آدام با رویکرد فرایادگیری مبتنی بر یادگیری تقویتی

حسین ضحاکی منصور - هادی دلاوری

تشخیص تومورهای مغزی کوچک و متاستاتیک در تصاویر MRI با استفاده از یک چارچوب YOLO بهبودیافته با توجه کانونی

حامد صباغ گل - ملیکا قاسمی

Robust Analysis of Time Series

Mohammad Kazemi

Hybrid-Net: یک شبکه عصبی عمیق برای افزایش کیفیت تصاویر زیر آب

امیررضا عباسی - مهدی هاشم زاده - جلیل قویدل نیچران

تعمیم‌هایی از برآوردگر رده r-k برای مقابله با همخطی چندگانه

امیر زینل - سوگند اجدادی حسن‌کیاده - محمد کاظمی

نواوری تجاری مبتنی بر هوش مصنوعی و چگونگی پیشرفت بلاکچین بواسطه رایانش ابری

مجید معتمدی - حسین عموزادخلیلی - قدسی فیروز

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.7.1