10.3969/j.issn.1000-3428.2011.16.062
基于PCA和改进K均值算法的动作电位分类
微电极阵列记录的神经元信号往往是电极临近区域数个神经元的动作电位信号以及大量背景噪声的混叠,研究神经系统的信息处理机制以及神经编码、解码机理需了解相关每个神经元的动作电位,因此需从记录信号中分离出每个神经元的动作电位.基于此,提出基于主元分析(PCA)和改进K均值相结合的动作电位分类方法.该方法采用PCA提取动作电位特征,使用改进K均值算法实现动作电位分类.实验结果表明,该方法降低了动作电位的特征维数以及K均值算法对初始分类重心的依赖,提高动作电位分类结果的正确率及稳定性.尤其是在处理低信噪比信号时,分类正确率仍能达到理想水平.
微电极阵列、主元分析、特征提取、改进K均值、动作电位分类
37
R318.04;TP391.4(医用一般科学)
国家自然科学基金资助项目60841004,60971110
2012-01-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
182-184,187