基于支持向量机的经元形态分类.docVIP

全国第七届研究生数学建模竞赛 题 目 基于支持向量机的神经元形态分类 摘 要： 本文针对神经元的空间几何形态特征分类问题以及神经元的生长预测问题进行了探讨。结合神经元的形态数据，建立了三个模型，在较合理的假设下，对各个模型进行求解，得到了较理想的结果。 针对问题一，分析了神经元的几何特征，使用L-Measure软件并结合Matlab计算出了神经元的几何形态特征，得到了具有20个特征的神经元数据样本；最后采用支持向量机分类器对这些神经元样本进行训练和测试，实验得到的平均测试精度高达99.0551%，这表明我们的分类方法是十分有效的。 针对问题二，根据附录B中给出的20个神经元的空间几何数据，先对数据进行预处理，计算出神经元的几何形态特征。再利用问题一中的支持向量机分类方法，对这20个神经元进行了分类。 针对问题三，先计算出神经元的20个空间形态特征，再进行主成分分析，最终确定了4个主成分作为反应神经元几何形态的综合指标，再使用支持向量机进行分类。此外我们根据这些主成分对神经元的命名给出了一些建议。 针对问题四，结合前面提出的神经元形态分类方法，选定猴和老鼠的锥体神经元的空间几何数据进行对比分析，并使用支持向量机对其进行分类，实验得到的测试精度非常高，表明猴和老鼠的锥体神经元之间的空间几何特征差异较大。 针对问题五，本文建立基于遗传算法和RBF网络的神经元生长预测模型，用以预测神