返回
Fusion Regression
DOI:10.1016/j.patrec.2025.03.027.png)
摘要
En 中文
近年来,文献中已研究了多种回归方法。尽管这些方法在不同应用中取得了成功,但关于哪种方法最优尚未达成共识。当应用于具有不同属性的 数据集时,不同的回归器会产生显著不同的预测结果。在本文中,我们提出了融合回归(FuR),一种新颖的方法,它结合多个回归器的预测以利用其互补视角。FuR将回归器的预测结果连接起来创建新的特征空间,并采用重新排序方案以提高精度。我们在10个具有不同属性(如大小和维度)的数据集上进行的实验表明,与最佳基线回归器相比,FuR的性能提升最高可达20%,与近期提出的回归重排序方法相比,性能提升最高可达16%。
Keyword:
Regression
Re-ranking
Manifold
Ensemble
Fusion
期刊
IF:
3.3
论文数:
8.0K
被引数:
2.0W
机构
引用论文
Image re-ranking and rank aggregation based on similarity of ranked lists基于排序列表相似度的图像重排序和排序聚合
PATTERN RECOGNITION
IF7.6

