CS3W-GBG: A Cost-Sensitive Three-Way Granular-Ball Generation Method
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As an innovative methodology in data processing and knowledge representation, granular-ball computing (GBC) adaptively generates distinct neighborhoods for individual objects, thereby improving both generality and flexibility. By replacing point inputs with granular-balls (GBs), GBC achieves substantial efficiency gains. However, traditional GB-based classifiers may produce unreliable classifications under uncertain conditions. To address this limitation, we propose a novel approach that integrates three-way decision (3WD) theory with GBC, enabling robust handling of uncertain classification problems. This study first introduces a sequential three-way decision with fuzzy granular-ball rough sets (S3WD-FGBRS). We systematically analyze the changing rules of the multilevel decision cost in S3WD-FGBRS and its three regions. Building upon the principle of justifiable granularity, we develop a cost-sensitive three-way granular-ball generation method (CS3W-GBG) based on S3WD-FGBRS that incorporates a granularity optimization mechanism. To validate our approach, we conduct comprehensive experiments using three state-of-the-art GB classifiers and two benchmark classifiers on 12 publicly available datasets. Experimental results demonstrate that CS3W-GBG exhibits strong resilience in processing uncertain data through its 3WD strategy. Furthermore, our method achieves competitive performance compared to existing approaches in terms of classification accuracy and robustness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle