In N.Japkowicz，编辑，《AAAI’2000年学习不平衡数据集研讨会论文集》，AAAI技术报告WS-00-05。 AAAI，2000年。]] 谷歌学者 
在T.Dietterich、D.Margineantu、F.Provost和P.Turney编辑的《ICML 2000成本敏感学习研讨会论文集》中。 2000.]] 谷歌学者 N.V.Chawla、N.Japkowicz和A.Kotcz编辑，《2003年ICML学习不平衡数据集研讨会论文集》。 2003.]] 谷歌学者 在C.Ferri、P.Flach、J.Orallo和N.Lachice编辑的《2004年人工智能ROC分析第一次研讨会》中 谷歌学者 N.Abe公司。 受邀演讲：从不平衡数据集学习的抽样方法：主动学习、成本敏感学习及其他。 网址：http://www.site.uottawa.ca/ ~nat/Worshop2003/ICML03Workshop_Abe.ppt，2003年。]] 谷歌学者 G.E.A.P.A.Batista、R.C.Prati和M.C.Monard。 平衡机器学习训练数据的几种方法的行为研究。 SIGKDD探索，6（1）：20-29，2004。]] 谷歌学者 数字图书馆 
M.Castillo和J.Serrano。 从不平衡文档中进行数字文本分类的多策略方法。 SIGKDD探索，6（1）：70-792004。]] 谷歌学者 数字图书馆 P.K.Chan和S.J.Stolfo。 面向非均匀类和成本分布的可扩展学习：信用卡欺诈检测案例研究。 《知识发现和数据挖掘学报》，第164-168页，1998年。]] 谷歌学者 N.V.Chawla公司。 C4.5和不平衡数据集：研究采样方法、概率估计和决策树结构的影响。 2003年ICML'03班级失衡研讨会论文集。]] 谷歌学者 N.V.Chawla、L.O.Hall、K.W.Bowyer和W.P.Kegelmeyer。 SMOTE：合成少数过采样技术。 《人工智能研究杂志》，16:321-3572002年。]] 谷歌学者 数字图书馆 N.V.Chawla、A.Lazarevic、L.O.Hall和K.W.Bowyer。 Smoteboost：提高对少数群体的预测。 《第七届欧洲数据库知识发现原则与实践会议论文集》，第107-119页，克罗地亚杜布罗夫尼克，2003年。]] 谷歌学者 交叉引用 
P.Domingos，Metacost:使分类器具有成本敏感性的通用方法。 《第五届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，第155-164页，加利福尼亚州圣地亚哥，1999年，ACM出版社。]] 谷歌学者 数字图书馆 C.Drummond和R.Holte。 明确表示预期成本：ROC表示的替代方法。 《第六届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，第198-207页，2001年。]] 谷歌学者 数字图书馆 C.Drummond和R.Holte。 C4.5、类别不平衡和成本敏感性：为什么欠采样胜过过采样。 2003年ICML'03非平衡数据集学习研讨会论文集。]] 谷歌学者 C.埃尔坎。 成本敏感学习的基础。 《第十七届国际人工智能联合会议记录》，第973-978页，2001年。]] 谷歌学者 数字图书馆 C.埃尔坎。 受邀演讲：数据挖掘的真正挑战：逆向观点。 网址：http://www.site.uottawa.ca/ ~nat/Choshop2003/realchallenges2.ppt。， 2003.]] 谷歌学者 W.Fan、S.Stolfo、J.Zhang和P.Chan。 Adacost：错误分类成本敏感型提升。 《第十六届机器学习国际会议论文集》，第983-990页，斯洛文尼亚，1999年。]] 谷歌学者 数字图书馆 T.Fawcett，ROC图：研究人员的注意事项和实际考虑。 http://www.hpl.hp.com/personal/Tom_Fawcet/papers/index.html , 2003.]] 谷歌学者 G.福尔曼。 文本分类中特征选择度量的广泛实证研究。 机器学习研究杂志，3:1289--13052003。]] 谷歌学者 数字图书馆 J.Furnkranz和P.Flach。 规则评估指标分析。 《第二十届机器学习国际会议论文集》，第202-209页，2003年。]] 谷歌学者 H.Guo和H.L.Viktor。 通过增强和数据生成从不平衡数据集中学习：DataBoost-IM方法。 SIGKDD探索，6（1）：30-39，2004。]] 谷歌学者 数字图书馆 I.Guyon和A.Elisseeff。 变量和特征选择简介。 机器学习研究杂志，3:1157--1182，2003。]] 谷歌学者 数字图书馆 R.希基。 学习罕见的类足迹：反射算法。 2003年ICML'03非平衡数据集学习研讨会论文集。]] 谷歌学者 R.霍尔特。 研讨会摘要。 http://www.site./uottawa.ca网站/ ~nat/Worshop2003/Workshop2003.html，2003年。]] 谷歌学者 N.贾普科维奇。 在阶级间和阶级内不平衡的情况下进行概念学习。 《加拿大智能计算研究学会第十四届会议记录》，第67-77页，2001年。]] 谷歌学者 数字图书馆 N.贾普科维奇。 前馈神经网络的监督与非监督二元学习。 机器学习，42（1/2）：97-1222001 谷歌学者 数字图书馆 N.Japkowics，阶级不平衡：我们关注的是正确的问题吗？ 2003年ICML'03非平衡数据集学习研讨会论文集。]] 谷歌学者 N.Japkowicz和R.Holte。 研讨会报告：Aaai-2000关于从不平衡数据集学习的研讨会。 AI杂志，22（1），2001年。]] 谷歌学者 N.Japkowics和S.Stephen。 阶级失衡问题：一项系统研究。 智能数据分析，6（5）：203--2312002。]] 谷歌学者 数字图书馆 T.Jo和N.Japkowicz。 阶级失衡与小分离。 SIGKDD探索，6（1）：40-492004.]] 谷歌学者 数字图书馆 M.Joshi、V.Kumar和R.Agarwal。 评估boosting算法以分类稀有类：比较和改进。 《第一届IEEE数据挖掘国际会议论文集》，第257-264页，加利福尼亚州圣何塞，2001年。]] 谷歌学者 数字图书馆 P.Juszczak和R.P.W.Duin。 一类分类器的不确定性抽样方法。 在ICML 2003年不平衡数据集学习研讨会论文集上。]] 谷歌学者 A.Kolcz和J.Alscort。 不对称缺失数据问题：克服偏好排序中缺乏负面数据的问题。 信息检索，5（1）：5--402002。]] 谷歌学者 数字图书馆 A.Kotcz、A.Chowdhury和J.Alscort。 重复数据：不平衡问题？ 2003年ICML学习不平衡数据集研讨会论文集。]] 谷歌学者 M.Kubat和S.Matwin。 解决不平衡训练集的祸根：单边选择。 《第十四届机器学习国际会议论文集》，第179-186页，田纳西州纳什维尔，1997年，摩根·考夫曼。]] 谷歌学者 B.Liu、Y.Dai、X.Li、W.S.Lee和P.Yu。 使用正面和未标记的示例构建文本分类器。 《第三届IEEE数据挖掘国际会议论文集》，第19-22页，2003年。]] 谷歌学者 数字图书馆 M.马洛夫。 学习何时数据集不平衡，何时成本不相等且未知。 2003年ICML'03非平衡数据集学习研讨会论文集。]] 谷歌学者 L.M.Manevitz和M.Yousef。 用于文档分类的一类SVM。 机器学习研究杂志，2:139--1542001。]] 谷歌学者 数字图书馆 D.Mladenic和M.Grobelnik。 不平衡类分布和朴素贝叶斯的特征选择。 《第16届机器学习国际会议论文集》，第258-267页，1999年。]] 谷歌学者 数字图书馆 K.Nigam、A.K.McCallum、s.Thrun和T.Mitchell。 使用EM对标记和未标记文档进行文本分类。机器学习，39:103--134，2000。]] 谷歌学者 数字图书馆 R.Pearson、G.Goney和J.Shwaber。 微阵列时间序列的非平衡聚类。 2003年ICML'03非平衡数据集学习研讨会论文集。]] 谷歌学者 C.Phua和D.Alahakoon。 欺诈检测中的少数群体报告：歪斜数据的分类。 SIGKDD探索，6（1）：50-592004.]] 谷歌学者 数字图书馆 F.挑衅。 邀请演讲：为分类器归纳选择边缘类分布。 网址：http://www.site.uottawa.ca/ ~nat/Workshop2003/provost.html，2003.]] 谷歌学者 F.Provost和T.Fawcett。 针对不精确环境的稳健分类。 机器学习，42:203-2312001。]] 谷歌学者 数字图书馆 J.昆兰。 C4.5：机器学习程序。 摩根·考夫曼，1993年。]] 谷歌学者 数字图书馆 P.Radivojac、N.V.Chawla、K.Dunker和Z.Obradovic。 蛋白质数据库中的分类和知识发现。 生物医学信息学杂志，2004年。 接受。]] 谷歌学者 数字图书馆 B.拉斯库蒂和A.科瓦尔奇克。 支持向量机的极端重新平衡：案例研究。 2003年ICML'03非平衡数据集学习研讨会论文集。]] 谷歌学者 B.拉斯库蒂和A.科瓦尔奇克。 支持向量机的极端再平衡：案例研究。 SIGKDD探索，6（1）：60-692004。]] 谷歌学者 数字图书馆 B.Schölkopf，J.C.Platt，J.Shawe-Taylor。 A.J.Smola和R.C.Williamson。 估计高维分布的支持度。 神经计算，13（7）：1443-14722001。]] 谷歌学者 数字图书馆 D.税务。 一级分类。 代尔夫特理工大学博士论文，2001年。]] 谷歌学者 K.M.Ting。 成本敏感型增压算法的比较研究。 《第十七届机器学习国际会议论文集》，第983-990页，加利福尼亚州斯坦福市，2000年。]] 谷歌学者 数字图书馆 K.M.Ting。 诱导成本敏感树木的实例加权方法。 IEEE知识与数据工程学报，14:659-6652002。]] 谷歌学者 数字图书馆 P.特纳。 归纳概念学习的成本类型。 《2000年ICML成本敏感学习研讨会论文集》，第15-21页，2000年。]] 谷歌学者 美国Visa和A.Ralescu。 使用模糊集学习不平衡和重叠类。 2003年ICML'03非平衡数据集学习研讨会论文集。]] 谷歌学者 G.维斯。 《稀有采矿：统一框架》，SIGKDD Explorations，6（1）：7--19，2004年。]] 谷歌学者 数字图书馆 G.Weiss和F.教务长。 训练数据昂贵时的学习：类别分布对树归纳的影响。 《人工智能研究杂志》，19:315-3542003。]] 谷歌学者 交叉引用 G.Wu和E.Y.Chang。 用于不平衡数据集学习的类边界对齐。 在ICML 2003年不平衡数据集学习研讨会论文集上。]] 谷歌学者 B.Zadrozny和C.Elkan。 在成本和概率都未知的情况下学习和决策。 《第六届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，第204-213页，2001年。]] 谷歌学者 数字图书馆 B.Zadrozny、J.Langford和N.Abe。 通过成本比例示例加权实现成本敏感学习。 《第三届IEEE数据挖掘国际会议论文集》，第435-442页，佛罗里达州墨尔本，2003年。]] 谷歌学者 数字图书馆 J.Zhang和I.Mani。 knn方法处理不平衡数据分布：一个涉及信息提取的案例研究。 2003年ICML学习不平衡数据集研讨会论文集。]] 谷歌学者 Z.Zheng和R.Srihari。文本分类中积极和消极特征的最佳结合。 2003年ICML'03学习不平衡数据集研讨会论文集。]] 谷歌学者 Z.Zheng，X.Wu，和R.Srihari。不平衡数据下文本分类的特征选择。 SIGKDD探索，6（1）：80-892004.]] 谷歌学者 数字图书馆
建议
客座编辑：嵌入式系统协同设计模型和方法专刊 本期特刊基于2003年夏天在法国圣米歇尔山举行的第一届ACM/IEEE联合设计形式方法和模型会议（MEMOCODE）上提出和讨论的创新思想。 选自。。。
