Metody ekstrakcji cech w uczeniu maszynowym. Nowe trendy inżynierii cech

Více o knize

Ekstrakcja to proces wydobywania kluczowych informacji z danych, które są następnie wykorzystywane w uczeniu maszynowym. W analizie obrazów, ekstrakcja cech polega na identyfikacji atrybutów, które umożliwiają numeryczne opisanie obrazów i ich późniejszą analizę. Monografia przedstawia klasyczne metody liniowe i nieliniowe, a także podejścia oparte na falkach, metaheurystykach i algorytmach ewolucyjnych. Istotnym wkładem są autorskie propozycje metod ekstrakcji oraz modyfikacje znanych rozwiązań. W rozdziale I omawiane są metody oparte na składowych głównych, w tym modyfikacje uwzględniające rotację czynników oraz zastosowanie metod stochastycznych w imputacji danych. Rozdział II koncentruje się na ekstrakcji cech sygnałów czasowych i dwuwymiarowych, w tym modelach fuzji gradientów oraz zastosowaniu transformaty falkowej. W III rozdziale przedstawiono inżynierię cech w kontekście optymalizacji wielokryterialnej, w tym statystyczne metody zwiększania mocy dyskryminacyjnej oraz wykorzystanie zmodyfikowanego algorytmu genetycznego. Monografia kończy się podsumowaniem oraz bibliografią, która dokumentuje źródła i inspiracje dla omawianych metod.