用于不平衡分类的潜空间保持生成对抗网络
机器学习
2022-09-07 v1 人工智能
摘要
许多现实世界的分类问题存在类标频率不平衡,即众所周知的“类不平衡”问题。经典分类算法往往偏向多数类,使分类器易将少数类误分类。尽管文献中已有丰富方法解决该问题,但随着问题维度增加,许多方法无法扩展且运行成本变得难以承受。本文提出一种端到端深度生成分类器。我们提出一种域约束自编码器以将潜空间作为生成器的先验保持,随后该生成器与另外两个深度网络(判别器与分类器)进行对抗博弈。我们在三个不同的多类不平衡问题上进行了大量实验并与 SOTA 方法比较。实验结果证实了我们的方法在处理高维不平衡分类问题上优于流行算法。我们的代码见 https://github.com/TanmDL/SLPPL-GAN。
引用
@article{arxiv.2209.01555,
title = {Latent Preserving Generative Adversarial Network for Imbalance classification},
author = {Tanmoy Dam and Md Meftahul Ferdaus and Mahardhika Pratama and Sreenatha G. Anavatti and Senthilnath Jayavelu and Hussein A. Abbass},
journal= {arXiv preprint arXiv:2209.01555},
year = {2022}
}
备注
has been accepted for publication at The 29th IEEE International Conference on Image Processing (IEEE ICIP 2022)