Tese

BASWE: Balanced Accuracy-based Sliding Window Ensemble for classification in imbalanced data streams with concept drift (2023)

• Authors:
  • Oliveira, Douglas Amorim de
  • Delgado, Karina Valdivia (Orientador)
• Autor USP: OLIVEIRA, DOUGLAS AMORIM DE - EACH
• Unidade: EACH
• DOI: 10.11606/D.100.2023.tde-01012024-172026
• Assunto: APRENDIZADO COMPUTACIONAL
• Keywords: Concept Drift; Dados Desbalanceados; Ensemble; Imbalanced Datasets
• Language: Inglês
• Abstract: Diante do crescimento exponencial na geração de dados presenciado nas últimas décadas, esta dissertação aborda os desafios inerentes às tarefas de classificação dentro de fluxos de dados, caracterizados por seu fluxo contínuo, em tempo real e natureza dinâmica inerente. Com foco nos problemas complexos de concept drift e classes desbalanceadas, a dissertação apresenta o Balanced Accuracy-based Sliding Window Ensemble (BASWE), um novo método de ensemble para lidar com esses desafios. O BASWE faz uso da Acurácia Balanceadas, janelas deslizantes e técnicas de reamostragem para lidar com classes desbalanceadas e concept drifts, garantindo um desempenho robusto mesmo à medida que as distribuições de dados se modificam. Em experimentos conduzidos em 40 datasets, compostos por 16 datasets reais e 24 datasets sintéticos gerados sob três configurações - sem concept drift, com concept drift gradual e com concept drift repentino - e com proporções de desequilíbrio variadas, o BASWE demonstrou desempenho superior em comparação com outros sete algoritmos estado-da-arte (CALMID, CSARF, KUE, OOB, ROSE, SMOTE-OB e UOB) em termos de F1 Score e a estatística Kappa
• Imprenta:
  • Publisher place: São Paulo
  • Date published: 2023
• Data da defesa: 29.11.2023

Informações sobre o DOI: 10.11606/D.100.2023.tde-01012024-172026 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo NÃO é de acesso aberto
  

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  OLIVEIRA, Douglas Amorim de. BASWE: Balanced Accuracy-based Sliding Window Ensemble for classification in imbalanced data streams with concept drift. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-01012024-172026/. Acesso em: 24 jan. 2026.

• APA

  Oliveira, D. A. de. (2023). BASWE: Balanced Accuracy-based Sliding Window Ensemble for classification in imbalanced data streams with concept drift (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/100/100131/tde-01012024-172026/

• NLM

  Oliveira DA de. BASWE: Balanced Accuracy-based Sliding Window Ensemble for classification in imbalanced data streams with concept drift [Internet]. 2023 ;[citado 2026 jan. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-01012024-172026/

• Vancouver

  Oliveira DA de. BASWE: Balanced Accuracy-based Sliding Window Ensemble for classification in imbalanced data streams with concept drift [Internet]. 2023 ;[citado 2026 jan. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-01012024-172026/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Algoritmo de ensemble para classificação em fluxo de dados com classes desbalanceadas e mudanças de conceito