Metody ekstrakcji cech w uczeniu maszynowym. Nowe trendy inżynierii cech

Ekstrakcja jest procesem wyodrębniania z danych najważniejszych informacji, które następnie mogą być wykorzystane w uczeniu maszynowym. W kontekście analizy obrazów, ekstrakcja cech polega na identyfikowaniu i wyodrębnianiu atrybutów, które pozwalają na opisanie obrazów w sposób numeryczny i umożliwiają ich późniejszą analizę. W monografii omawiane są zarówno metody klaszyczne liniowe i nieliniowe, jak i inne, bazujące na falkach, metaheurystykach i algorytmach ewolucyjnych. Istotnym wkładem badawczym przedstawionym w monografii są autorskie propozycje metod ekstrakcji oraz modyfikacji znanych z literatury rozwiązań wydobywania cech.SPIS TREŚCI1. Wstęp2. WprowadzenieI. Metody ekstrakcji bazujące na składowych głównych3. Modyfikacja metody składowych głównych uwzględniająca rotację czynników wg centroidów klas4. Zastosowanie metody gradientów stochastycznych do szacowania składowych głównych5. Zastosowanie metody składowych głównych w zadaniu imputacji danychII. Metody ekstrakcji cech sygnałów o charakterystyce czasowej oraz dwuwymiarowych6. Metoda szacowania liczby cech i komponentów w analizie składowych głównych7. Model fuzji gradientów stochastycznych i składowych głównych w zadaniu ekstrakcji cech obrazu8. Zastosowanie transformaty falkowej oraz analizy składowych niezależnych w zadaniu ekstrakcji cech sygnałówIII> Zastosowanie metod inżynierii cech w zadaniu optymalizacji wielokryterialnej9. Statystyczne metody zwiększania mocy dyskryminacyjnej w zadaniu ekstrakcji cech w ujęciu metaheurystyk10. Ekstrakcja cech z wykorzystaniem zmodyfikowanego wielokryterialnego algorytmu genetycznego11. Zastosowanie metod optymalizacji wielkryterialnej do budowy zespołów klasyfikatorów12. ZakończenieBibliografia