Oversampling imbalanced data in the string space

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10045/72581
Información del item - Informació de l'item - Item information
Título: Oversampling imbalanced data in the string space
Autor/es: Castellanos, Francisco J. | Valero Mas, José Javier | Calvo-Zaragoza, Jorge | Rico Juan, Juan Ramón
Grupo/s de investigación o GITE: Reconocimiento de Formas e Inteligencia Artificial
Centro, Departamento o Servicio: Universidad de Alicante. Departamento de Lenguajes y Sistemas Informáticos
Palabras clave: Class imbalance problem | Oversampling | String space | SMOTE
Área/s de conocimiento: Lenguajes y Sistemas Informáticos
Fecha de publicación: 1-feb-2018
Editor: Elsevier
Cita bibliográfica: Pattern Recognition Letters. 2018, 103: 32-38. doi:10.1016/j.patrec.2018.01.003
Resumen: Imbalanced data is a typical problem in the supervised classification field, which occurs when the different classes are not equally represented. This fact typically results in the classifier biasing its performance towards the class representing the majority of the elements. Many methods have been proposed to alleviate this scenario, yet all of them assume that data is represented as feature vectors. In this paper we propose a strategy to balance a dataset whose samples are encoded as strings. Our approach is based on adapting the well-known Synthetic Minority Over-sampling Technique (SMOTE) algorithm to the string space. More precisely, data generation is achieved with an iterative approach to create artificial strings within the segment between two given samples of the training set. Results with several datasets and imbalance ratios show that the proposed strategy properly deals with the problem in all cases considered.
Patrocinador/es: This work was partially supported by the Spanish Ministerio de Economía y Competitividad through Project TIMuL (No. TIN2013- 48152-C2-1-R supported by EU FEDER funds), the Universidad de Alicante through the FPU program (UAFPU2014–5883) and grant GRE-16-04 .
URI: http://hdl.handle.net/10045/72581
ISSN: 0167-8655 (Print) | 1872-7344 (Online)
DOI: 10.1016/j.patrec.2018.01.003
Idioma: eng
Tipo: info:eu-repo/semantics/article
Derechos: © 2018 Elsevier B.V.
Revisión científica: si
Versión del editor: http://dx.doi.org/10.1016/j.patrec.2018.01.003
Aparece en las colecciones:INV - GRFIA - Artículos de Revistas

Archivos en este ítem:
Archivos en este ítem:
Archivo Descripción TamañoFormato 
Thumbnail2018_Castellanos_etal_PatternRecognLett_final.pdfVersión final (acceso restringido)716,98 kBAdobe PDFAbrir    Solicitar una copia
Thumbnail2018_Castellanos_etal_PatternRecognLett_accepted.pdfEmbargo 24 meses (acceso abierto: 6 en. 2020)313,42 kBAdobe PDFAbrir    Solicitar una copia


Todos los documentos en RUA están protegidos por derechos de autor. Algunos derechos reservados.