Aplicações de métodos de extração de características e de classificação

Atualmente, nota-se uma grande procura por métodos computacionais que auxiliam na tomada de decisões. Decisões estas que muitas vezes são baseadas em dados cuja interpretação necessita da ajuda de uma máquina.
Nesse contexto, é importante a análise da aplicabilidade de métodos de extração de características e de classificação automática.
Com relação à extração de características, dois métodos são muito utilizados: a análise de componentes principais (PCA) e análise de componentes independentes (ICA). A PCA consiste em representar as variáveis de interesse em um conjunto de dados descorrelacionados, decompondo-os em um conjunto de vetores ortogonais chamados de componentes principais (PCs). Já a ICA baseia-se na independência estatística entre as variáveis (extraindo um conjunto de componentes independentes -
ICs). Dessa forma, é um conceito mais geral do que a correlação considerada na ICA.
Dentro da ICA há diversas técnicas utilizadas para encontrar as componentes independentes. Em cada um deles, um método do otimização é utilizado, responsável para performance tanto da rapidez quanto da exatidão das características extraídas. Dentre essas técnicas, são citadas:

FastICA: técnica baseada em estatística de ordem superior (HOS) e na maximização da não-gaussianidade como critério de otimização, com convergência cúbica e com esforço computacional relativamente baixo.

Infomax: também baseada em estatística de ordem superior
(HOS) mas na que visa estimar os parâmetros desejados a partir da distribuição de probabilidades dos dados observados.

SOBI: técnica baseada em estatística de segunda ordem (SOS) que usa a correlação temporal dos dados observados para encontrar a matriz de separação. Tem como característica na solução de problemas nos quais os dados possuem uma estrutura temporal.
Sobre a classificação automática, diversos métodos são utilizados. Dentre eles, podem ser citados:

Máquinas de vetores suporte (SVM): um