基于类别专家生成对抗网络的类别不平衡数据分类深度学习
机器学习
2018-07-16 v2 计算机视觉与模式识别
机器学习
摘要
在缺乏针对不平衡数据分类的特定方法时，人工智能算法难以识别少数类数据。通常，通过假设训练数据不平衡来修改现有算法，是处理不平衡数据的唯一途径。然而，对于常规数据处理，这种方式往往产生欠佳的结果。在本研究中，我们提出类别专家生成对抗网络（CE-GAN）作为不平衡数据分类的解决方案。CE-GAN 是对深度学习算法架构的改进，其不假设训练数据为不平衡数据。此外，CE-GAN 被设计用于在分类步骤之前更细致地识别每个类别的特征。本研究已证明 CE-GAN 在不平衡数据分类上具有良好的性能。
引用
@article{arxiv.1807.04585,
title = {Deep Learning for Imbalance Data Classification using Class Expert Generative Adversarial Network},
author = {Fanny and Tjeng Wawan Cenggoro},
journal= {arXiv preprint arXiv:1807.04585},
year = {2018}
}
备注
Accepted in 3rd International Conference on Computer Science and Computational Intelligence, 7-8 September 2018