Nov, 2018

利用有噪音的配对比较进行身体质量指数范围估计的序数回归

PDF
TL;DR本文探讨了利用序数回归将人体质量指数（BMI）分类估计成序数类别，用基于成对比较的嘈杂二进制搜索算法来利用 BMI 类别之间的序数关系，并应用 Bradley-Terry 模型概率作为目标进行成对比较，结果表明，所提出的方法在 BMI 类别估计方面优于分类和回归方法。
发现论文，激发创造
  • 神经网络的等级一致序列回归及其在年龄估计中的应用

    利用深度学习中基于序列回归的神经网络模型进行年龄预测的研究中，提出了一种新的一致性排序逻辑（CORAL）框架，用于提高预测准确率。

    Jan, 2019

  • Ord2Seq：将顺序回归视为标签序列预测

    本文提出了一个简单的序列预测框架 Ord2Seq，将有序回归任务转化为序列预测过程，以便细致地区分相邻类别，实验证明细致区分相邻类别能够显著提高性能，并且新方法在四个不同场景中超越了现有最先进方法的表现。

    Jul, 2023

  • 具有交互作用的子集比较的鲁棒序数回归

    基于鲁棒有序方法和不确定性集合的决策模型，学习决策者对子集间偏好的偏好预测方法及评估。

    Aug, 2023

  • 序数回归的神经网络方法

    本文介绍了一种简单而有效的方法，即将传统神经网络适应于学习序数类别，其性质既具有分类又具有回归的特性。我们的方法是序数回归的感知机方法的一般化，它在多个基准数据集上优于神经网络分类方法。此外，NNRank 在信息检索、网页排名、协作过滤和生物信息学中的蛋白质排名等大规模数据处理任务中具有传统神经网络学习方式的优点。

    Apr, 2007

  • 概率顺序分类器的性能度量

    本文提出了使用排序概率得分（RPS）作为医学图像分级任务的性能度量指标，并展示了该得分的反直觉和可疑行为，并提出了简单的修复方法。通过对四个大规模生物医学图像分级问题进行全面实验，证明了 RPS 是适合概率排序预测的性能度量指标。

    Sep, 2023

  • 基于深度学习的胸部 X 射线严重程度评估的序数回归框架

    本研究调查了应用顺序回归方法对胸部 X 射线片中的疾病严重程度进行分类。我们提出了一个框架，将顺序回归问题分为三个部分：模型、目标函数和分类函数。我们使用 ResNet50 和 ViT-B-16 深度学习模型应用了不同的编码方法，包括独热编码、高斯编码、进度条编码和我们的软性进度条编码。我们表明编码的选择对性能有很大影响，最佳编码方法取决于所选择的 Cohen's kappa 的加权方式，以及所使用的模型架构。我们在 GitHub 上公开了我们的代码。

    Feb, 2024

  • 优化阈值标记有序回归方法的并行算法

    该研究提出了一种并行化算法，用于找到最优的阈值标签，通过使用该算法和并行处理相比使用基于动态规划的现有算法，可以将阈值方法的整个学习过程的计算时间缩短到约 60％。

    May, 2024

  • 利用计算机视觉推断社交媒体上的身体质量指数

    本文介绍利用计算机视觉技术从社交媒体图片中推测人体质量指数（BMI）的方法，希望这一工具能够推动与体重相关的社会方面的研究。

    Mar, 2017

  • 基于成对比较的估计：具有拓扑相关性的尖锐极小极值界限

    本文考虑使用参数有序模型处理成对比较数据，给出在该模型下最优误差的紧密上下界以及选择两两比较的指导方针，同时与基于基数的测量模型进行比较，结果表明在有序和基数设置下误差率具有相同的比例尺。

    May, 2015

  • 基于视频的人脸识别的结构化序数度量学习

    本文提出了一种结构化的序数测量方法，可以同时学习序数滤波器和结构化序数特征，用于视频人脸识别，并且将深度特征表示法和交替最小化方法融入其中，以提高编码稳定性，通过实验表明这种方法能够在三个人脸视频数据库上实现最先进的识别率。

    Jul, 2015