Metody ekstrakcji cech w uczeniu maszynowym. Nowe

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 TREŚCI

1. Wstęp

2. Wprowadzenie

I. Metody ekstrakcji bazujące na składowych głównych

3. Modyfikacja metody składowych głównych uwzględniająca rotację czynników wg centroidów klas

4. Zastosowanie metody gradientów stochastycznych do szacowania składowych głównych

5. Zastosowanie metody składowych głównych w zadaniu imputacji danych

II. Metody ekstrakcji cech sygnałów o charakterystyce czasowej oraz dwuwymiarowych

6. Metoda szacowania liczby cech i komponentów w analizie składowych głównych

7. Model fuzji gradientów stochastycznych i składowych głównych w zadaniu ekstrakcji cech obrazu

8. Zastosowanie transformaty falkowej oraz analizy składowych niezależnych w zadaniu ekstrakcji cech sygnałów

III> Zastosowanie metod inżynierii cech w zadaniu optymalizacji wielokryterialnej

9. Statystyczne metody zwiększania mocy dyskryminacyjnej w zadaniu ekstrakcji cech w ujęciu metaheurystyk

10. Ekstrakcja cech z wykorzystaniem zmodyfikowanego wielokryterialnego algorytmu genetycznego

11. Zastosowanie metod optymalizacji wielkryterialnej do budowy zespołów klasyfikatorów

12. Zakończenie

Bibliografia