摘要: 考虑预测变量处于欧氏空间，而响应变量取值于黎曼流形的情形，本文提出了一种具有可加结构的内蕴包裹高斯过程回归模型。该模型充分反映了黎曼流形的内蕴几何结构，通过加性结构将每个特征的贡献独立建模，能够有效处理冗余特征并且具有提供可解释性的功能。考虑到单一模型容易过拟合和欠稳健，本文运用集成学习框架来进一步提升可加包裹高斯过程回归模型的预测精度和稳健性。由于各子模型之间可能存在信息冗余，本文构建了基于弹性网络的自适应聚合机制。通过在单位球面和对称正定矩阵空间等黎曼流形上进行模拟实验，验证了所提方法的有效性，并成功将其应用于核磁共振张量(DTI)重建任务。