问题是关于组合来自探测器的输出概率。 我的每个探测器d_i给出了场景中物体存在的概率p_i。 我有一个带标签的数据集，我想学习探测器的加权组合，以获得（更准确）全局探测器。
我可以使用哪些算法来解决此类问题？我想比较不同的方法。作为第一步，权重可以是固定的学习值。然后根据时间上下文使它们自适应会很好。
感谢您的想法。
答案 0 :(得分：1)
一个好的起点是weighted majority algorithm，它根据探测器在数据集上的相对性能来为探测器开发权重。这种算法有一些变体，其中一些可以处理随时间漂移的目标。
如果您的探测器都是同一型号的实例（具有不同的参数），您还可以查看各种ensemble learning算法，尽管如果您对比较相对性能感兴趣，这些算法可能不太适用您的基本算法。