Zobrazeno 1 - 10
of 230
pro vyhledávání: '"Majority class"'
Autor:
Abdul Majeed, Seong Oun Hwang
Publikováno v:
IEEE Access, Vol 11, Pp 85878-85899 (2023)
This paper proposes a novel data augmentation scheme called the conditional generative adversarial network minority-class-augmented oversampling scheme (CTGAN-MOS) for solving class imbalance problems. Our methodology encompassed six key steps: data
Externí odkaz:
https://doaj.org/article/1a0824b02d3a4f27b3a697ec287a10a7
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Zafar Mahmood, Naveed Anwer Butt, Ghani Ur Rehman, Muhammad Zubair, Muhammad Aslam, Afzal Badshah, Syeda Fizzah Jilani
Publikováno v:
Applied Sciences, Vol 12, Iss 16, p 8371 (2022)
The classification of imbalanced and overlapping data has provided customary insight over the last decade, as most real-world applications comprise multiple classes with an imbalanced distribution of samples. Samples from different classes overlap ne
Externí odkaz:
https://doaj.org/article/1e011cdcdaf54795a77d8f9c8f9b6f17
Variance Ranking Attributes Selection Techniques for Binary Classification Problem in Imbalance Data
Publikováno v:
IEEE Access, Vol 7, Pp 24649-24666 (2019)
Data are being generated and used to support all aspects of healthcare provision, from policy formation to the delivery of primary care services. Particularly, with the change of emphasis from curative to preventive medicine, the importance of data-b
Externí odkaz:
https://doaj.org/article/2669390714604dc0a47e0e9234b8131b
Autor:
Nicholas Fiorentini, Massimo Losa
Publikováno v:
Infrastructures, Vol 5, Iss 7, p 61 (2020)
Crash severity is undoubtedly a fundamental aspect of a crash event. Although machine learning algorithms for predicting crash severity have recently gained interest by the academic community, there is a significant trend towards neglecting the fact
Externí odkaz:
https://doaj.org/article/b3da26cdab2944208f5a8313c9b6364f
Publikováno v:
World Wide Web. 25:401-423
Exploitation time is an essential factor for vulnerability assessment in cybersecurity management. In this work, we propose an integrated consecutive batch learning framework to predict the probable exploitation time of vulnerabilities. To achieve a
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::384ba8d52f4213faddece3d5954d7b80
https://doi.org/10.1007/s11280-021-00909-z
https://doi.org/10.1007/s11280-021-00909-z
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.