神经元的形态分类算法的研究.pdfVIP

中文摘要 大脑是生物体内结构和功能最复杂的组织，其中包含上千亿个神经细胞(神经元)。 人类脑计划(HumanBrain 共同的标准，多学科整合分析大量数据，加速人类对脑的认识。 为了利用神经信息学数据库，设计神经元形态识别与分类的方法，我们需要对样品 神经元数据进行深入地分析，找到各类神经元的有效特征，将待判别的神经元与样品神 经元进行比较，然后判断出待判定神经元属于哪一类。本文基于这种思想，利用模板匹 配法和支持向量机法，建立神经元形态识别的模型，对神经元进行分类。 模板匹配法是模式识别中最简单的方法，当给定一定量的样品时，该方法会有很好 的判别效果。支持向量机(SVM)是二十世纪九十年代发展起来的统计学习理论的核心内 容，在模式识别中有广泛地应用。本文利用模板匹配法和支持向量机法进行神经元的形 态学分类，通过不同的分类方法的比较，可以看出支持向量机法具有良好的分类能力。 在研究中我们还发现：利用量纲不同的特征向量来设计分类器，有时效果并不理想，而 为了正确分类，就有必要对数据进行预处理。研究表明：数据的预处理对神经元的空间 几何特征的分类起到十分关键的作用。 关键词：支持向量机，模板匹配，神经元，数据标准化 Abstract andthe functionin contains Brainhasthemost snucture vivo，which complex powerful morethanhundredsofbillionsofnerve Brain Brain cells(neurons)．HumanProject(Human worldto to databaseofneuralinformationalloverthe Project．HBP)iSdesignedstudy commonstandards of amountsof establish bymulti—disciplinaryintegrationanalysislarge data．ItCall US the ofthebrain． helpspeedup understanding It’SOur howto neural andclassificationmethods problem design pattemrecognition ofneuroinformatics．Tosolvethe needtodo todatabases in—depth according problem,we features’of ofthe ofneurons．Wknmost‘effectiveneurons，we analysissamples pickingup neuronsand‘newneuron’．Thenwecan canmakea betweenof judge comparisonsample whichclassthe‘new to．Base