$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

불균형 데이터 처리를 위한 과표본화 기반 앙상블 학습 기법
Oversampling-Based Ensemble Learning Methods for Imbalanced Data

정보과학회. 컴퓨팅의 실제 논문지 = KIISE transactions on computing practices, v.20 no.10, 2014년, pp.549 - 554  

김경민 (서울대학교 컴퓨터공학과) ,  장하영 (서울대학교 컴퓨터공학과) ,  장병탁 (서울대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

필기체 낱글자 인식을 위해서 사용되는 데이터는 일반적으로 다수의 사용자들로부터 수집된 자연언어 문장들을 이용하기 때문에 해당 언어의 언어적 특성에 따라서 낱글자의 종류별 개수 차이가 매우 큰 특징이 있다. 일반적인 기계학습 문제에서 학습데이터의 불균형 문제는 성능을 저하시키는 중요한 요인으로 작용하지만, 필기체 인식에서는 데이터 자체의 높은 분산과 비슷한 모양의 낱글자 등이 성능 저하의 주요인이라 생각하기 때문에 이를 크게 고려하지 않고 있다. 본 논문에서는 이러한 데이터의 불균형 문제를 고려하여 필기체 인식기의 성능을 향상시킬 수 있는 과표본화 기반의 앙상블 학습 기법을 제안한다. 제안한 방법은 데이터의 불균형 문제를 고려하지 않은 방법보다 전체적으로 향상된 성능을 보일 뿐만 아니라 데이터의 개수가 부족한 낱글자들의 분류성능에 있어서도 향상된 결과를 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Handwritten character recognition data is usually imbalanced because it is collected from the natural language sentences written by different writers. The imbalanced data can cause seriously negative effect on the performance of most of machine learning algorithms. But this problem is typically igno...

주제어

#앙상블   #필기체 인식   #불균형 데이터   #표본화 기법  

참고문헌 (13)

  1. S. Ertekin, J. Huang, L. Bottou, L. Giles, "Learning on the border: active learning in imbalanced data classification," Proc. of ACM conference on Conference on Information and Knowledge Management, pp. 127-136, 2007. 

  2. A. Estabrooks, T. Jo, and N. Japkowicz, "A multiple resampling method for learning from imbalanced data sets," Computational Intelligence, Vol. 20, No. 1, pp. 18-36, 2004. 

    상세보기 crossref

  3. H. He, and E. A. Garcia, "Learning from Imbalanced Data," IEEE Transactions on knowledge and data engineering, Vol. 21, No. 9, pp. 1236-1284, 2009. 

  4. N. V. Chawla, L. O. Hall, K. W. Bowyer, and W. P. Kegelmeyer, "Smote: Synthetic minority oversampling technique," Journal of Artificial Intelligence Research, Vol. 16, pp. 321-357, 2002. 

  5. H. Han, W. Wang, B. Mao, "Borderlinesmote: A new over-sampling method in imbalanced data sets learning," Proc. of International Conference on Intelligent Computing, pp. 878-887, 2005. 

  6. H. He, Y. Bai, E.A. Garcia, S. Li, "ADASYN: Adaptive Synthetic Sampling Approach for Imbalanced Learning," Proc. of International Joint Conference on Neural Networks, pp. 1322-1328, 2008. 

  7. J. V. Hulse, T. M. Khoshgoftaar, A. Napolitano, "Experimental perspectives on learning from imbalanced data," Proc. of International Conference on Machine Learning, pp. 935-942, 2007. 

  8. X. Y. Liu, J. Wu, Z. H. Zhou, "Exploratory Under Sampling for Class Imbalance Learning," Proc. of International Conference on Data Mining, pp. 965- 969, 2006. 

  9. M. Kubat, S. Matwin, "Addressing the Curse of Imbalanced Training Sets: One-Sided Selection," Proc. of International Conference on Machine Learning, pp. 179-186, 1997. 

  10. L. Breiman, "Bagging predictors," Machine Learning, Vol. 24, No. 2, pp. 123-140, 1996. 

    상세보기

  11. Y. Freund and R. E. Schapire, "A decision-theoretic generalization of on-line learning and an application to boosting," Journal of Computer and System Sciences, Vol. 55, No. 1. pp. 119-139, 1997. 

    상세보기 crossref

  12. T. J. Kim, H. Y. Jang, J. W. Park, S. T. Hwang, B. T. Zhang, "Ensemble Methods with increasing data for online handwriting recognition," Proc. of the KIISE Korea Computer Congress 2013, pp. 1396- 1398, 2013. 

  13. I. Guyon, L. Schomaker, R. Plamondon, M. Liberman, S. Janet, "UNIPEN project of on-line data exchange and recognizer benchmarks," Proc. of International Conferences on Pattern Recognition, pp. 29-33, 1994. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로