按照算法的类型对个人的 Paper Reading 博客进行汇总，涉及多个研究方向的论文将按照个人主观感觉的主要方向排列。

不平衡学习

A Novel Model for Imbalanced Data Classification：一种新的不平衡数据分类模型，涉及：不平衡问题、重采样、代价敏感学习、集成学习，发表于 AAAI Conference on Artificial Intelligence(AAAI) 2020。
Model-Based Synthetic Sampling for Imbalanced Data：基于模型的不平衡数据采样，涉及：不平衡问题、过采样、实例生成，发表于 IEEE Transactions on Knowledge and Data Engineering（TKDE）2020。
A three-way decision ensemble method for imbalanced data oversampling：一种用于不平衡数据过采样的三向决策集成方法，不平衡问题、过采样、构造覆盖算法、集成学习，发表于 International Journal of Approximate Reasoning 2019。
Ensemble of Classifiers based on Multiobjective Genetic Sampling for Imbalanced Data：基于多目标遗传采样的不平衡分类器集成，涉及：不平衡问题、重采样、多目标优化、集成学习，发表于 IEEE Transactions on Knowledge and Data Engineering（TKDE）2020。
Self-paced Ensemble for Highly Imbalanced Massive Data Classification：用于高度不平衡海量数据分类的自定步速集成模型，涉及：不平衡问题、实例硬度、重采样、集成学习，发表于 IEEE International Conference on Data Engineering (ICDE) 2020。
Exploratory Undersampling for Class-Imbalance Learning：一种不平衡学习的探索性欠采样方法，涉及：不平衡问题、集成学习、baseline 方法，发表于 IEEE Transactions on Systems Man Cybernetics-Systems 2009。
A Re-Balancing Strategy for Class-Imbalanced Classification Based on Instance Difficulty：基于实例硬度再平衡的不平衡分类算法，涉及：不平衡问题(图像)、实例硬度、重采样，发表于 IEEE Conference on Computer Vision and Pattern Recognition(CVPR) 2022。
DeepSMOTE: Fusing Deep Learning and SMOTE for Imbalanced Data：融合深度学习和不平衡数据的 SMOTE，涉及：不平衡问题(图像)、过采样、实例生成，发表于 IEEE Transactions on Neural Networks and Learning Systems 2022。

决策树

Interpretable Rule Discovery Through Bilevel Optimization of Split-Rules of Nonlinear Decision Trees：通过双重优化非线性决策树的分类规则的可解释规则发现，涉及：非线性决策树、GA、可解释，发表于 IEEE Transactions on Cybernetics 2021。
FT4cip: A new functional tree for classification in class imbalance problems：一种用于不平衡问题的新的分类函数树，涉及：决策树、不平衡问题，发表于 Knowledge-based systems 2022。

进化计算

An Evolutionary Forest for Regression：一种回归的进化森林，涉及：GP、特征构建、回归随机森林，发表于 IEEE Transactions on Evolutionary Computation 2021。
PS-Tree: A piecewise symbolic regression tree：一个分段符号回归树，涉及：GP、子空间、多目标优化，发表于 Swarm and Evolutionary Computation 2022。
Multitree Genetic Programming With New Operators for Transfer Learning in Symbolic Regression With Incomplete Data：用于不完全数据符号回归的新算子多树 GP 迁移学习算法，涉及：多树 GP、不完全符号回归、迁移学习，发表于 IEEE Transactions on Evolutionary Computation 2022。

神经决策模型

NBDT: Neural-Backed Decision Trees：神经支持决策树，涉及：神经决策树、可解释，发表于 International Conference on Learning Representations(ICLR) 2021。
Paper Reading: Adaptive Neural Trees：自适应神经树，涉及：神经网络、决策树、子空间，发表于 International Conference on Machine Learning (ICML) 2019。
Gradient Boosted Neural Decision Forest：梯度提升的神经决策森林，涉及：神经决策森林、梯度提升，发表于 IEEE Transactions on Services Computing 2021。

神经网络

Neural random subspace：神经随机子空间，涉及：子空间、神经网络，发表于 Pattern Recognition 2020。

图学习

forgeNet: a graph deep neural network model using tree-based ensemble classifiers for feature graph construction：一种基于树的集成分类器构建特征图的图深度神经网络模型，涉及：生物信息网络、随机森林、深度神经网络，发表于 Bioinformatics 2020。

特征工程

XRRF: An eXplainable Reasonably Randomised Forest algorithm for classification and regression problems：一种用于分类和回归问题的可解释合理随机森林算法，涉及：图算法、特征选择、随机森林，发表于 Information Sciences 2022。
A pareto-based ensemble of feature selection algorithms ：一种基于帕累托优化的集成特征选择算法，涉及：帕累托优化、集成特征选择，发表于 Expert Systems with Applications 2021。