Fusion Regression

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual de Campinas (UNICAMP)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorWageningen University and Research-
Autor(es): dc.creatorGonçalves, Filipe Marcel Fernandes-
Autor(es): dc.creatorPedronette, Daniel Carlos Guimarães-
Autor(es): dc.creatorda Silva Torres, Ricardo-
Data de aceite: dc.date.accessioned2025-08-21T17:23:59Z-
Data de disponibilização: dc.date.available2025-08-21T17:23:59Z-
Data de envio: dc.date.issued2025-04-29-
Data de envio: dc.date.issued2025-06-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1016/j.patrec.2025.03.027-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/305100-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/305100-
Descrição: dc.descriptionIn 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.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionPetrobras-
Descrição: dc.descriptionInstitute of Computing (IC) University of Campinas (UNICAMP)-
Descrição: dc.descriptionDepartment of Statistics Applied Mathematics and Computing São Paulo State University (UNESP)-
Descrição: dc.descriptionArtificial Intelligence Group Wageningen University and Research-
Descrição: dc.descriptionDepartment of Statistics Applied Mathematics and Computing São Paulo State University (UNESP)-
Descrição: dc.descriptionCNPq: #140301/2020-8-
Descrição: dc.descriptionFAPESP: #2018/15597-6-
Descrição: dc.descriptionPetrobras: #2023/00095-3-
Descrição: dc.descriptionFAPESP: #2024/04890-5-
Descrição: dc.descriptionCNPq: #313193/2023-1-
Descrição: dc.descriptionCNPq: #422667/2021-8-
Descrição: dc.descriptionCAPES: #88882.329132/2019-01-
Formato: dc.format129-135-
Idioma: dc.languageen-
Relação: dc.relationPattern Recognition Letters-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectEnsemble-
Palavras-chave: dc.subjectFusion-
Palavras-chave: dc.subjectManifold-
Palavras-chave: dc.subjectRe-ranking-
Palavras-chave: dc.subjectRegression-
Título: dc.titleFusion Regression-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.