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. Wstęp 2. WprowadzenieI. Metody ekstrakcji bazujące na składowych głównych3. 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 danychII. Metody ekstrakcji cech sygnałów o charakterystyce czasowej oraz dwuwymiarowych6. 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 sygnałówIII> Zastosowanie metod inżynierii cech w zadaniu optymalizacji wielokryterialnej9. 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 klasyfikatorów12. Zakończenie Bibliografia