Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
   Hilfe  Trennstrich  Sitemap  Trennstrich  Impressum  Trennstrich  Datenschutz  Trennstrich  node1  Trennstrich  Switch to english language

Publikation: Dissertationsschrift

Improved imbalanced classification through convex space learning


Grunddaten

Titel Improved imbalanced classification through convex space learning
Erscheinungsjahr 2021
Verlag Universität Rostock
Verlagsort Rostock
Publikationsform Elektronische Ressource
Publikationsart Dissertationsschrift
Sprache Englisch
DOI 10.18453/rosdok_id00003503
Letzte Änderung 13.03.2022 13:01:45
Bearbeitungsstatus durch UB Rostock abschließend validiert
Dauerhafte URL http://purl.uni-rostock.de/fodb/pub/67770
Links zu Katalogen Diese Publikation in der Universitätsbibliographie Diese Publikation im GBV-Katalog

Abstract

Imbalanced datasets for classification problems, characterised by unequal distribution of samples, are abundant in practical scenarios. Oversampling algorithms generate synthetic data to enrich classification performance for such datasets. In this thesis, I discuss two algorithms LoRAS & ProWRAS, improving on the state-of-the-art as shown through rigorous benchmarking on publicly available datasets. A biological application for detection of rare cell-types from single-cell transcriptomics data is also discussed. The thesis also provides a better theoretical understanding behind oversampling.

Autor

Bej, Saptarshi Link zur UB Rostock Link zum GBV-Katalog