Metody ekstrakcji cech w uczeniu maszynowym. Nowe trendy inżynierii cech

Ekstrakcja to kluczowy proces w wydobywaniu istotnych informacji z danych, które mogą być wykorzystane w uczeniu maszynowym, szczególnie w dziedzinie analizy obrazów. Polega na identyfikowaniu oraz wyodrębnianiu atrybutów, które umożliwiają numeryczne opisanie obrazów i ich dalszą analizę. W monografii przedstawiono zarówno tradycyjne podejścia, takie jak metody liniowe i nieliniowe, jak również podejścia oparte na falkach, metaheurystykach oraz algorytmach ewolucyjnych.Jednym z najważniejszych wkładów badawczych w pracy są unikalne metody ekstrakcji opracowane przez autorów, a także modyfikacje istniejących rozwiązań. Spis treści monografii obejmuje różnorodne zagadnienia: począwszy od klasycznych metod ekstrakcji jak analiza składowych głównych, przez zaawansowane techniki takie jak transformaty falkowe i analiza składowych niezależnych, aż po nowatorskie podejścia w optymalizacji wielokryterialnej przy użyciu algorytmów genetycznych.Dzięki tej monografii czytelnicy mogą zdobyć wiedzę na temat statystycznych metod poprawy mocy dyskryminacyjnej czy też wykorzystania zmodyfikowanych technik genetycznych w zadaniu ekstrakcji cech. Praca kończy się podsumowaniem i porządkuje całość w spójną teorię z praktycznymi aplikacjami. Bibliografia stanowi źródło dodatkowych informacji dla zainteresowanych pogłębieniem tematu.