.png){kind=icon}
返回
Knowledge Coverage-Guided Undersampling Ensemble for imbalanced classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.115232.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• KCUE将欠采样形式化为多数类知识覆盖最大化。
• 一个类间分离指数捕捉局部多数类-少数类可分性。
• 一个泊松覆盖函数量化累计多数类信息。
• 模性指导边际增益采样以减少冗余获取。
Keyword:
Undersampling
Ensemble
Knowledge coverage
Imbalanced learning
期刊
IF:
7.6
论文数:
1.4W
被引数:
5.3W
机构
引用论文
Resampling approach for imbalanced data classification based on class instance density per feature value intervals王, F.; 郑M.; 马K.; 胡X. 基于特征值区间类实例密度的非平衡数据分类重采样方法. Inf. Sci. 2025, 692, 121570. [Google Scholar] [CrossRef]
PREAI
分享收藏Pure prototype-based evolutionary imbalanced oversampling for small disjuncts基于纯原型驱动的进化算法处理小离散集不平衡过采样.png)
Neurocomputing
NeurocomputingIF6.5
PREAI
分享收藏分享收藏A denoising majority weighted minority oversampling technique for imbalanced classification一种用于不平衡分类的去噪加权多数少数过采样技术
PREAI
分享收藏Token pyramid pooling-driven style adapter learning with dual-view balanced loss for imbalanced diabetic retinopathy grading基于双视平衡损失的糖尿病视网膜病变分级中，由Token金字塔池驱动的风格适配器学习Pattern Recognition
Pattern RecognitionIF7.6
PREAI
分享收藏
查看更多内容