W rozdziale omówiono sposób przedstawiania danych w postaci wektorów cech, które stanowią zbiory uczące np. w zadaniach klasyfikacji lub grupowania. Opisano metody generowania podzbiorów cech (metodę podziału i ograniczeń, metody sekwencyjne) oraz oceny jakości tych podzbiorów. Zaprezentowano wybrane algorytmy ekstrakcji cech (analizę głównych składowych, wielowymiarowe skalowanie, liniową analizę dyskryminacyjną).

Zaprezentowano system rozpoznawania obrazów w postaci bitmap. Zaimplementowany algorytm ekstrakcji cech jest uniwersalny i może być używany do różnych obrazów. Cały system bazuje na kryterium Fishera.

W pracy przedstawiono koncepcję automatycznego tworzenia uniwersalnego ekstraktora cech istotnych dla grupy podobnych zadań klasyfikacji w dziedzinie sygnałów wibroakustycznych.

Praca przedstawia eksperymenty pokazujące istnienie uniwersalnego ekstraktora cech dla ograniczonego obszaru w przestrzeni parametrów systemu liniowego. System liniowy pobudzony był szumem o rozkładzie normalnym na wejściu. Zastosowano ewolucyjne metody poszukiwania ekstraktora w oparciu o jakość klasyfikacji sygnałów w dziedzinie cech wydobytych przez ekstraktor.

Praca przedstawia ewolucyjną metodę kształtowania funkcji jądra wmetodzie SVM wspólnego dla zbioru podobnych zadań klasyfikacyjnych(z tej samej dziedziny) z wykorzystaniem aproksymatora neuronowego.Pokazano możliwość wbudowania funkcji ekstrakcji cech do funkcji jądraSVM za pomocą prostego łączenia aproksymatorów standardowej funkcjijądra i ekstraktora. Opisane zostały również teoretyczne podstawy metodywektorów wspierających (SVM).