基于神经元的形态分类和识别.docVIP

目录 1 前 言 1 1.1 研究的意义 1 1.2 文献综述 1 1.2.1 统计模式识别 1 1.2.2 结构模式识别——小波与支持向量机 2 1.2.3 其他识别 2 1.3 问题的分析 2 1.3.1 问题一的分析 2 1.3.2 问题二的分析 3 1.3.3 问题三的分析 3 1.3.4 问题四的分析 3 1.3.5 问题五的分析 3 1.4模型的假设 3 1.5 符号说明 3 1.6 论文架构 4 2 问题一的求解 4 2.1 不同类别之间的对比检验——H检验法: 4 2.2 寻找每类神经元的几何特征——对应因子分析 5 2.2.1 对应因子分析的基本思想 5 2.2.2 计算以及结果分析 6 2.3 运用Bayes逐步判别法继续寻找各类几何特征 6 2.3.1 Bayes逐步判别法基本思想 6 2.3.2 Bayes判别结果 7 4 问题二的求解 9 4.1待判样本B的分类 9 4.1.1 运用Bayes逐步判别待判样本B 9 4.1.2 主特征判别 9 5 问题三的求解 10 5.1 概率神经网络的基本原理： 10 5.2 基于主成分分析的概率神经网络模型 11 5.3基于主成分分析的概率神经网络模型的求解： 12 5.4 用遗传算法优化的基于主成分分析的概率神经网络模型的建立 14 5.5模型的求解 17 5.6 命名建议 18 6 问题四的求解 18 6.1 问题的分析 18 6.2 模型的建立 18 6.3 模型的求解 19 6.4信噪比方法的验证 19 7 问题五的求解 20 7.1 问题的分析 20 7.2 模型的建立与求解 20 7.3 结果分析 23 7.4 补充分析 23 8 模型、方法的评价与推广 24 8.1 模型的优点 24 8.2 模型的缺点 24 8.3 模型的推广 25 参考文献 25 附录： 26 神经元形态分类和识别 1 前 言 1.1 研究的意义 神经元，又称神经组织，是构成神经系统结构和功能的基本单位。神经元是具有长突起的细胞，它由细胞体和细胞突起构成。细胞体位于脑、脊髓和神经节中，细胞突起可延伸至全身各器官和组织中。细胞体是细胞含核的部分，其形状大小有很大差别，直径约4～120微米。核大而圆，位于细胞中央，染色质少，核仁明显。细胞质内有斑块状的核外染色质（旧称尼尔小体），还有许多神经元纤维。细胞突起是由细胞体延伸出来的细长部分，又可分为树突和轴突。每个神经元可以有一或多个树突，可以接受刺激并将兴奋传入细胞体。每个神经元只有一个轴突，可以把兴奋从胞体传送到另一个神经元或其他组织，如肌肉或腺体。 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神经元，这个问题目前科学上仍没有解决。生物解剖区别神经元主要通过几何形态和电位发放两个因素。神经元的几何形态主要通过染色技术得到，电位发放通过微电极穿刺胞内记录得到。利用神经元的电位发放模式区分神经元的类别比较复杂，主要涉及神经元的Hodgkin-Huxley模型和Rall 电缆模型的离散形式(神经元的房室模型)。 本问题只考虑神经元的几何形态，研究如何利用神经元的空间几何特征，通过数学建模给出神经元的一个空间形态分类方法，将神经元根据几何形态比较准确地分类识别。1.2 文献综述 相关文献模式识别可分为基于统计学习理论的统计模式识别和基于语法的结构模式识别。是目前最成熟也是应用最广泛的方法。 统计模式识别南京中医药大学朱晓勤尹莲2007)着重介绍了化学模式识别技术的基本原理和方法,以及它的几种常用技术,如聚类分析法、判别分析法、主成分分析法和人工神经网络技术在中药品种分类和质量评价中的作用。张晓华2008)提出了将Fisherface和组合K近邻(KNN)分类方法人脸识别首先采用Fisherface进行特征提取,构成特征空间。主成分与线性判别 然后,利用组合KNN分类器对提取的特征进行识别。在ORL人脸数据库上的实验结果表明该方法具有良好的性能。赵杰文2010) 运用高效液相法分析茶叶等6种有效成分的质量分数. 在此基础上,分别运用线性判别分析(LDA)K最邻近(KNN)和人工神经网