2010年全国研究生数学建模竞赛优秀论文C6分析报告.pdf

全国第七届研究生数学建模竞赛 全国第七届研究生数学建模竞赛 题 目 神经元的形态分类和识别 摘 要： 本文主要利用支持向量机(SVM)理论、聚类分析理论、主成分分析与典型相 关分析等有关知识，分析和解决了基于神经元空间几何形态特征的特征提取、样 本分类、类间和类内样本形态特征的显著性分析，并根据分类的结果，给出了基 于神经元形态特征的命名方案；最后建立了以神经元的几何拓扑空间结构为隐变 量的隐马尔科夫模型(HMM) ，从而预测神经元形态随时间的生长变化规律，给 出了预测模型的实时性和有效性，得到了比较好的仿真结果。 问题一首先提取神经元的 43 种几何形态特征，然后采用主成分分析法，在 这些形态特征中提取 6 种对神经元形态特征有较强解释力的几何特征，最后以此 特征建立支持向量机分类器模型。 问题二首先主观标记附录 B 中神经元的类型；然后利用问题一中所建立的 SVM 分类器模型对其进行分类，并进行主客观的交叉验证，达到 90%的准确率。 验证了所建立模型在解决非线性及高维模式识别中表现出极大优势。最后根据对 分类结果中误分的神经元的几何特征的研究，建议引入新的神经元名称。 问题三考虑到待分类神经元的类别数未知，用层次聚类方法进行神经元的未 知类型数目的聚类，得到谱系聚类图；然后根据 R2 统计量的方法确定待分类神 经元样本分为 8 类最合适；最后在已经确定类别数目的情况下，针对层次聚类算 法的时间复杂度较高、容易陷入局部最优解等问题，采用 k 均值聚类算法确定每 一类神经元具体样本，并给出了一种新的神经元命名方案。 问题四从分类的逆向思维出发，基于样本间的分离度准则，建立了一种不同 物种神经元的区分方法，同时给出了不同物种同一神经元差异较大的形态特征， 并利用统计中的典型相关分析给出了改进的模型。 问题五针对神经元的实际形态是随时间的流逝不断发生变化的问题，建立了 以神经元的几何拓扑空间结构为隐变量的HMM ，其显状态为神经元的几何特征； 利用已有的数据预测出神经元显式的状态，并预测神经元形态的生长变化规律。 关键词 神经元 几何特征 支持向量机 主成分分析 k 均值 隐马尔科夫模型 参赛队号 参赛密码 队员姓名 何立火 朱明敏 侯伟龙 (由组委会填写) 中山大学承办 一． 问题重述 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(Human Brain Project, HBP)的目的是要对全世界的神经信息学 数据库建立共同的标准，多学科整合分析大量数据，加速人类对脑的认识。 作为大脑构造的基本单位，神经元的结构和功能包含很多因素,其中神经元 的几何形态特征和电学物理特性是两个重要方面。其中电学特性包含神经元不同 的电位发放模式；几何形态特征主要包括神经元的空间构象，具体包含接受信息 的树突，处理信息的胞体和传出信息的轴突三部分结构。由于树突，轴突的生长 变化，神经元的几何形态千变万化。电学特性和空间形态等多个因素一起，综合 表达神经元的信息传递功能。 对神经元特性的认识，最基本问题是神经元的分类。目前，关于神经元的简 单分类法主要有：(1)根据突起的多少可将神经元分为多极神经元；双极神经元 和单极神经元。(2)根据神经元的功能又可分为主神经元，感觉神经元，运动神 经元和中间神经元等。主神经元的主要功能是输出神经回路的信息。例如大脑皮 层的锥体神经元，小脑皮层中的普肯野神经元等。感觉神经元，它们接受刺激并 将之转变为神经冲动。中间神经元，是介于感觉神经元与运动神经元之间起联络 作用的。运动神经元，它们将中枢发出的冲动传导到肌肉等活动器官。不同组织 位置，中间神经元的类别和形态，变化很大。动物越进化，中间神经元越多，构 成的中枢神经系统的网络越复杂。 如何识别区分不同类别的