Imbalanced Data Classification Techniques

1. Le thème

Intitulé (OpenAlex)

Imbalanced Data Classification Techniques (T11652)

Description

This cluster of papers focuses on the challenges and techniques for handling imbalanced data in classification problems. It covers methods such as SMOTE, ROC analysis, cost-sensitive learning, ensemble methods, and their applications in fraud detection. The cluster also discusses the use of precision-recall and boosting algorithms, as well as the effectiveness of random forest in addressing imbalanced datasets.

Mots-clés de recherche

{'id': 'https://openalex.org/keywords/credit-card-fraud-detection', 'display_name': 'credit card fraud detection', 'score': 0.8322} · {'id': 'https://openalex.org/keywords/smote', 'display_name': 'SMOTE', 'score': 0.2429} · {'id': 'https://openalex.org/keywords/oversampling', 'display_name': 'oversampling', 'score': 0.2585} · {'id': 'https://openalex.org/keywords/imbalanced-data-classification', 'display_name': 'imbalanced classification', 'score': 0.5987} · {'id': 'https://openalex.org/keywords/minority-class', 'display_name': 'minority class', 'score': 0.7576} · {'id': 'https://openalex.org/keywords/undersampling', 'display_name': 'undersampling', 'score': 0.2714} · {'id': 'https://openalex.org/keywords/financial-fraud-detection', 'display_name': 'financial fraud detection', 'score': 0.3198} · {'id': 'https://openalex.org/keywords/real-time-fraud-detection', 'display_name': 'real-time fraud detection', 'score': 0.6573} · {'id': 'https://openalex.org/keywords/cost-sensitive-learning', 'display_name': 'cost-sensitive learning', 'score': 0.3172} · {'id': 'https://openalex.org/keywords/synthetic-minority-samples', 'display_name': 'synthetic minority samples', 'score': 0.6652}

2. Les indicateurs

9 444 publications dans le monde en 2023-2025 (+88 % par rapport aux trois années précédentes, contre +50 % pour l'ensemble du domaine) ; plus rapide que le domaine, écart significatif au seuil de 5 % (z = 13,04) ; 42 avec un auteur affilié au Ghana depuis 2016.

Données des seules bases consultées, à la date du relevé : ni un inventaire exhaustif de la production du Ghana, d'un établissement ou d'un chercheur, ni une mesure de leur travail. Pourquoi

Vérification : publications du thème au Ghana · publications du thème dans le monde (OpenAlex). Relevé du 11 octobre 2026, méthode 1.0.

3. Le sujet proposé (à compléter par l'étudiant)

4. Point de départ bibliographique

Aucune des publications récentes relevées au Ghana ne porte ce thème principal : commencez par la littérature internationale et les sources ci-dessous.

• Research Africa : Publications ouvertes avec un auteur du pays. https://bntic.com/research/rechercher/?q=Imbalanced+Data+Classification+Techniques&source=open&sort=recent&country=gh&open_access=on
• HAL : Archive ouverte francophone : articles, thèses, mémoires déposés. https://hal.science/search/index/?q=Imbalanced+Data+Classification+Techniques+%7B%27id%27%3A+%27https%3A%2F%2Fopenalex.org%2Fkeywords%2Fcredit-card-fraud-detection%27%2C+%27display_name%27%3A+%27credit+card+fraud+detection%27%2C+%27score%27%3A+0.8322%7D
• theses.fr : Thèses soutenues et en préparation. https://theses.fr/resultats?q=Imbalanced+Data+Classification+Techniques+%7B%27id%27%3A+%27https%3A%2F%2Fopenalex.org%2Fkeywords%2Fcredit-card-fraud-detection%27%2C+%27display_name%27%3A+%27credit+card+fraud+detection%27%2C+%27score%27%3A+0.8322%7D
• CORE : Textes intégraux des dépôts universitaires du monde entier. https://core.ac.uk/search?q=Imbalanced+Data+Classification+Techniques+%7B%27id%27%3A+%27https%3A%2F%2Fopenalex.org%2Fkeywords%2Fcredit-card-fraud-detection%27%2C+%27display_name%27%3A+%27credit+card+fraud+detection%27%2C+%27score%27%3A+0.8322%7D
• BASE : Moteur des archives ouvertes institutionnelles. https://www.base-search.net/Search/Results?lookfor=Imbalanced+Data+Classification+Techniques+%7B%27id%27%3A+%27https%3A%2F%2Fopenalex.org%2Fkeywords%2Fcredit-card-fraud-detection%27%2C+%27display_name%27%3A+%27credit+card+fraud+detection%27%2C+%27score%27%3A+0.8322%7D
• Semantic Scholar : Citations et articles liés. https://www.semanticscholar.org/search?q=Imbalanced+Data+Classification+Techniques+%7B%27id%27%3A+%27https%3A%2F%2Fopenalex.org%2Fkeywords%2Fcredit-card-fraud-detection%27%2C+%27display_name%27%3A+%27credit+card+fraud+detection%27%2C+%27score%27%3A+0.8322%7D

5. Grille de pré-validation

6. Limites des indicateurs

• Ce sont les données des seules bases consultées, à la date du relevé : elles ne constituent pas un inventaire exhaustif de la production du Ghana, de ses établissements ou de ses chercheurs, dont le travail déborde largement la publication. Des milliers d'autres sources restent inexplorées.
• Ce sont des comptages de publications indexées dans OpenAlex : ils ne disent rien de la qualité des travaux.
• Un travail non indexé (revue locale, mémoire, thèse non déposée) n'est pas compté : « aucune publication indexée » ne veut pas dire « jamais étudié ». Vérifiez auprès de la bibliothèque universitaire.
• Une publication est rattachée au pays par l'affiliation d'au moins un auteur, pas par son terrain d'étude.
• L'intitulé du thème est attribué par un modèle de classification d'OpenAlex : relisez les publications pour vérifier qu'elles correspondent à votre sujet.

Source à citer : BNTIC Sujets de mémoire (2026). Sujets de mémoire en intelligence artificielle au Ghana. Relevé du 11/10/2026, méthode 1.0, d'après les données ouvertes OpenAlex (CC0). https://bntic.com/sujets-memoire/intelligence-artificielle/ghana/ (consulté le 11/10/2026).