按照算法的类型对个人的 Paper Reading 博客进行汇总，涉及多个研究方向的论文将按照个人主观感觉的主要方向排列。

不平衡学习

• A Novel Model for Imbalanced Data Classification：一种新的不平衡数据分类模型，涉及：不平衡问题、重采样、代价敏感学习、集成学习，发表于 AAAI Conference on Artificial Intelligence(AAAI) 2020。
• Model-Based Synthetic Sampling for Imbalanced Data：基于模型的不平衡数据采样，涉及：不平衡问题、过采样、实例生成，发表于 IEEE Transactions on Knowledge and Data Engineering（TKDE）2020。
• A three-way decision ensemble method for imbalanced data oversampling：一种用于不平衡数据过采样的三向决策集成方法，不平衡问题、过采样、构造覆盖算法、集成学习，发表于 International Journal of Approximate Reasoning 2019。
• Ensemble of Classifiers based on Multiobjective Genetic Sampling for Imbalanced Data：基于多目标遗传采样的不平衡分类器集成，涉及：不平衡问题、重采样、多目标优化、集成学习，发表于 IEEE Transactions on Knowledge and Data Engineering（TKDE）2020。
• Self-paced Ensemble for Highly Imbalanced Massive Data Classification：用于高度不平衡海量数据分类的自定步速集成模型，涉及：不平衡问题、实例硬度、重采样、集成学习，发表于 IEEE International Conference on Data Engineering (ICDE) 2020。
• Exploratory Undersampling for Class-Imbalance Learning：一种不平衡学习的探索性欠采样方法，涉及：不平衡问题、集成学习、baseline 方法，发表于 IEEE Transactions on Systems Man Cybernetics-Systems 2009。
• A Re-Balancing Strategy for Class-Imbalanced Classification Based on Instance Difficulty：基于实例硬度再平衡的不平衡分类算法，涉及：不平衡问题(图像)、实例硬度、重采样，发表于 IEEE Conference on Computer Vision and Pattern Recognition(CVPR) 2022。
• DeepSMOTE: Fusing Deep Learning and SMOTE for Imbalanced Data：融合深度学习和不平衡数据的 SMOTE，涉及：不平衡问题(图像)、过采样、实例生成，发表于 IEEE Transactions on Neural Networks and Learning Systems 2022。

决策树

• Interpretable Rule Discovery Through Bilevel Optimization of Split-Rules of Nonlinear Decision Trees：通过双重优化非线性决策树的分类规则的可解释规则发现，涉及：非线性决策树、GA、可解释，发表于 IEEE Transactions on Cybernetics 2021。
• FT4cip: A new functional tree for classification in class imbalance problems：一种用于不平衡问题的新的分类函数树，涉及：决策树、不平衡问题，发表于 Knowledge-based systems 2022。

进化计算

• An Evolutionary Forest for Regression：一种回归的进化森林，涉及：GP、特征构建、回归随机森林，发表于 IEEE Transactions on Evolutionary Computation 2021。
• PS-Tree: A piecewise symbolic regression tree：一个分段符号回归树，涉及：GP、子空间、多目标优化，发表于 Swarm and Evolutionary Computation 2022。
• Multitree Genetic Programming With New Operators for Transfer Learning in Symbolic Regression With Incomplete Data：用于不完全数据符号回归的新算子多树 GP 迁移学习算法，涉及：多树 GP、不完全符号回归、迁移学习，发表于 IEEE Transactions on Evolutionary Computation 2022。

神经决策模型

• NBDT: Neural-Backed Decision Trees：神经支持决策树，涉及：神经决策树、可解释，发表于 International Conference on Learning Representations(ICLR) 2021。
• Paper Reading: Adaptive Neural Trees：自适应神经树，涉及：神经网络、决策树、子空间，发表于 International Conference on Machine Learning (ICML) 2019。
• Gradient Boosted Neural Decision Forest：梯度提升的神经决策森林，涉及：神经决策森林、梯度提升，发表于 IEEE Transactions on Services Computing 2021。

神经网络

• Neural random subspace：神经随机子空间，涉及：子空间、神经网络，发表于 Pattern Recognition 2020。

图学习

• forgeNet: a graph deep neural network model using tree-based ensemble classifiers for feature graph construction：一种基于树的集成分类器构建特征图的图深度神经网络模型，涉及：生物信息网络、随机森林、深度神经网络，发表于 Bioinformatics 2020。

特征工程

• XRRF: An eXplainable Reasonably Randomised Forest algorithm for classification and regression problems：一种用于分类和回归问题的可解释合理随机森林算法，涉及：图算法、特征选择、随机森林，发表于 Information Sciences 2022。
• A pareto-based ensemble of feature selection algorithms ：一种基于帕累托优化的集成特征选择算法，涉及：帕累托优化、集成特征选择，发表于 Expert Systems with Applications 2021。