29、基于Lempel Ziv复杂度的特征选择方法与指关节纹识别研究

基于Lempel Ziv复杂度的特征选择方法与指关节纹识别研究

在机器学习和生物识别技术的研究领域中，特征选择和模式识别是两个重要的研究方向。本文将介绍一种基于Lempel Ziv复杂度（LZC）的特征选择方法（LFS），以及一种利用局部Gabor二值模式（LGBP）进行指关节纹识别的方法。

基于Lempel Ziv复杂度的特征选择方法（LFS）

为了验证LFS的性能，研究使用了八个真实世界的基准数据集，包括大豆、糖尿病、电离层、卡片、甲状腺、癌症、葡萄酒和心脏病。这些数据集的特征如下表所示：
| 数据集 | 示例数量 | 特征数量 | 类别数量 |
| — | — | — | — |
| 大豆 | 683 | 82 | 19 |
| 糖尿病 | 768 | 8 | 2 |
| 电离层 | 351 | 33 | 2 |
| 卡片 | 690 | 51 | 2 |
| 甲状腺 | 7200 | 21 | 3 |
| 癌症 | 699 | 9 | 2 |
| 葡萄酒 | 178 | 13 | 3 |
| 心脏病 | 920 | 35 | 2 |

LFS的算法流程如下：

graph LR
    A[构建特征的二进制字符串] --> B[计算所有特征的LZC]
    B --> C[计算LZC的中值（MD）]
    C --> D{对k个特征重复}
    D --> E{LZCk < MD?}
    E -- 是 --> F[删除k特征]
    E -- 否