• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information Management >GAN-based semi-supervised for imbalanced data classification
【24h】

GAN-based semi-supervised for imbalanced data classification

机译：基于GAN的半监督数据不平衡分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Most of the traditional classification algorithms are based on the premise that the datasets are uniformly distributed or roughly equivalent. Once the sample dataset is not balanced , the classification performance drops sharply. To efficiently deal with the imbalance of data, an improved generative adversarial network (GAN) algorithm is proposed in this work . Firstly, we construct artificial samples so that more minority-class's data can be obtained via optimizing GAN loss function. Secondly, we build a fully-connected network for structured data classification. Finally, experimental evaluations are conducted on two open structured-datasets and the results of the proposed algorithm demonstrate a good applicability for the classification of structured data.
机译：大多数传统分类算法都基于数据集均匀分布或大致等效的前提。一旦样本数据集不平衡，分类性能就会急剧下降。为了有效地处理数据不平衡问题，本文提出了一种改进的生成对抗网络算法。首先，我们构造人工样本，以便通过优化GAN损失函数获得更多的少数族裔数据。其次，我们建立了一个完全连接的网络，用于结构化数据分类。最后，对两个开放的结构化数据集进行了实验评估，所提出算法的结果证明了对结构化数据分类的良好适用性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号