Imbalanced
Paper Reading: Oversampling with Reliably Expanding Minority Class Regions for Imbalanced Data Learning
为了设计更有效的插值过采样算法，本文提出了一种新的插值过采样方法 OREM。OREM 在原始少数类样本周围找到候选少数类区域，然后利用这些候选区域识别不包含任何多数类样本的干净子区域。它们被认为是潜在的少数类区域，所以通过将合成样本填充到干净子区域可以增强少数类的表达能力。OREM 方法的思路很简单... ......
Paper Reading: Sample and feature selecting based ensemble learning for imbalanced problems
为了克服现有集成方法的缺点，本文提出一种新的混合集成策略——样本和特征选择混合集成学习 SFSHEL。SFSHEL 考虑基于聚类的分层对大多数样本进行欠采样，并采用滑动窗口机制同时生成多样性的特征子集。然后将经过验证训练的权重分配给不同的基学习器，最后 SFSHEL 通过加权投票进行预测。SFSHE... ......
CF1852B Imbalanced Arrays 题解
CF1852B Imbalanced Arrays 题解 Links 洛谷 Codeforces Description 对于一个给定的长度为 \(n\) 的数组 \(A\)，定义一个长度为 \(n\) 的数组 \(B\) 是不平衡的当且仅当以下全部条件满足： \(-n \leq B_{i} \le ......
Paper Reading: Hashing-Based Undersampling Ensemble for Imbalanced Pattern Classification Problems
针对欠采样方法会丢弃大量多数类样本导致信息缺失的问题，本文提出了基于哈希的欠采样集成 HUE 模型，它利用 Bagging 和多数类样本的分布特征来构建多样化的训练子集。首先 HUE 通过散列将大多数类样本划分为不同的特征子空间，然后使用所有少数样本和主要从同一哈希子空间中提取的部分多数样本来构建训... ......
【题解】CF1852B Imbalanced Arrays
我们假设当前出长度为 $len$，那么我们在序列中一定有一个 $len/0$，因为一定有一个绝对值最大的数，如果这个数是正数在原序列中就是 $len$，是负数在原序列中即为 $0$。 由上文，我们可以得到，一定不能有 $len$ 和 $0$ 同时出现的情况，也一定不能有 $len$ 和 $now$ ......
D. Imbalanced Arrays
D. Imbalanced Arrays Ntarsis has come up with an array $a$ of $n$ non-negative integers. Call an array $b$ of $n$ integers imbalanced if it satisfies ......
Codeforces Round 887 (Div. 2) D.Imbalanced Arrays
Problem - D - Codeforces 题目规定了一种“平衡数组”，数组中的任意一个数绝对值小于等于n且不等于零，任意两个数的和不为0，给n个数a[i]，分别表示位于i的数可以与a[i]个数(包括它自己)相加为正。 现在给出n和a数组，要求构造平衡数组，不能构造的话输出-1 我们不难得出以 ......
【题解】Imbalanced Arrays - Codeforces 1852B
**出处：** Codeforces Round 887 **链接：** https://codeforces.com/problemset/problem/1852/B **题目大意：** 给定一个包含 $n$ 个非负整数的频次序列 $f$ 。 构造任意一个等长的整数序列 $b$ ，要求 ① $b ......
Paper Reading: A Re-Balancing Strategy for Class-Imbalanced Classification Based on Instance Difficulty
受人类学习过程的启发，本文根据学习速度设计了样本难度模型，并提出了一种新的实例级再平衡策略。具体来说模型在每个训练周期记录每个实例的预测，并根据预测的变化来测量该样本的难度难度。然后对困难实例赋予更高的权重，对数据进行重新采样。本文从理论上证明了提出的重采样策略的正确性和收敛性，并进行一些实证实验来... ......
Paper Reading: Self-paced Ensemble for Highly Imbalanced Massive Data Classification
目前很多方法都不能很好地处理高度不平衡、大规模和有噪声的分类任务，主要原因是它们忽视了不平衡学习所隐含的困难。本文引入“分类硬度”的概念来刻画不平衡问题的困难所在，该概念表示为特定分类器正确分类样本的难度。基于这个概念，本文提出了一种新的学习框架——自定步速集成(self-pace Ensemble... ......
codeforces-817 D. Imbalanced Array(单调栈）
 题意：求数组中每个连续子序列的的最大值-最小值之和。 思路：题意可以理解为加上每一个序列的最大值，减去 ......
Paper Reading: Ensemble of Classifiers based on Multiobjective Genetic Sampling for Imbalanced Data
大多数处理不平衡学习的技术都是针对二分类问题提出的，这些方法并不一定适用于不平衡的多分类任务。针对这些问题，本文提出了一种新的自适应方法——基于多目标遗传抽样的分类器集成(E-MOSAIC)。E-MOSAIC 将训练数据集中提取的样本编码为个体进行进化，通过多目标优化过程搜索能够在所有类别中产生具有... ......
Paper Reading: A three-way decision ensemble method for imbalanced data oversampling
针对 SMOTE 的缺点，本文提出了一种基于建设性覆盖算法(CCA)的三向决策抽样方法(CTD)。CTD 首先使用 CCA 构造不平衡数据的覆盖，然后选择少数样本的覆盖并根据覆盖的密度划分为三个区域。最后根据覆盖分布规律得到相应的阈值 α 和 β，选择关键样本进行SMOTE过采样。考虑到 CCA 随... ......
Paper Reading: Model-Based Synthetic Sampling for Imbalanced Data
针对不平衡数据问题，本文提出了一种基于模型的综合抽样(MBS)方法，从一个新的角度对少数类实例进行过采样。MBS 是一种过采样算法，目标是生成能够捕捉少数类训练样本特征之间关系的合成样本，同时保持数据样本的可变性。首先利用回归模型捕获少数类样本的特征趋势，接着通过对可用特征值进行采样生成临时数据样本... ......
迁移学习（PAT）《Pairwise Adversarial Training for Unsupervised Class-imbalanced Domain Adaptation》
论文信息 论文标题：Pairwise Adversarial Training for Unsupervised Class-imbalanced Domain Adaptation论文作者：Weili Shi, Ronghang Zhu, Sheng Li论文来源：KDD 2022论文地址：dow ......
迁移学习《Cluster-Guided Semi-Supervised Domain Adaptation for Imbalanced Medical Image Classification》
论文信息 论文标题：Cluster-Guided Semi-Supervised Domain Adaptation for Imbalanced Medical Image Classification论文作者：S. Harada, Ryoma Bise, Kengo Araki论文来源：ArXi ......