
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Wageningen University and Research | - |
| Autor(es): dc.creator | Gonçalves, Filipe Marcel Fernandes | - |
| Autor(es): dc.creator | Pedronette, Daniel Carlos Guimarães | - |
| Autor(es): dc.creator | da Silva Torres, Ricardo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:23:59Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:23:59Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2025-06-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.patrec.2025.03.027 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/305100 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/305100 | - |
| Descrição: dc.description | In recent years, various regression methods have been studied in the literature. Although these methods have shown success in different applications, there is no consensus on which one is the best. Different regressors can produce significantly different prediction results when applied to datasets with varying properties. In this paper, we propose Fusion Regression (FuR), a novel approach that combines the predictions of multiple regressors to leverage their complementary views. FuR concatenates the predictions of regressors to create a new feature space and employs a re-ranking scheme for improved accuracy. Our experiments, conducted on 10 datasets with varying properties (such as size and dimension), show that FuR leads to performance gains of up to 20% compared to the best baseline regressor and up to 16% compared to the recently proposed Regression by Re-ranking method. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Petrobras | - |
| Descrição: dc.description | Institute of Computing (IC) University of Campinas (UNICAMP) | - |
| Descrição: dc.description | Department of Statistics Applied Mathematics and Computing São Paulo State University (UNESP) | - |
| Descrição: dc.description | Artificial Intelligence Group Wageningen University and Research | - |
| Descrição: dc.description | Department of Statistics Applied Mathematics and Computing São Paulo State University (UNESP) | - |
| Descrição: dc.description | CNPq: #140301/2020-8 | - |
| Descrição: dc.description | FAPESP: #2018/15597-6 | - |
| Descrição: dc.description | Petrobras: #2023/00095-3 | - |
| Descrição: dc.description | FAPESP: #2024/04890-5 | - |
| Descrição: dc.description | CNPq: #313193/2023-1 | - |
| Descrição: dc.description | CNPq: #422667/2021-8 | - |
| Descrição: dc.description | CAPES: #88882.329132/2019-01 | - |
| Formato: dc.format | 129-135 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Pattern Recognition Letters | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Ensemble | - |
| Palavras-chave: dc.subject | Fusion | - |
| Palavras-chave: dc.subject | Manifold | - |
| Palavras-chave: dc.subject | Re-ranking | - |
| Palavras-chave: dc.subject | Regression | - |
| Título: dc.title | Fusion Regression | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: