神经元的形态分类方法研究

摘要：

从神经元几何形态特征的角度考虑,对神经元进行分类.由于神经元的几何形态复杂多样,直接用于分类会使得算法运行时间长、分类精度低.采用稀疏主成分分析法提取神经元的主要特征,不仅能实现几何特征的降维,减小分类难度,而且提取出的主成分部分载荷为0,使得主成分更具解释能力.依据主要特征,采用极限学习机算法对神经元进行分类.实验结果表明,该分类模型具有较高的运行效率和分类精度,能够对神经元实现有效分类.

关键词：神经元、几何形态特征、稀疏主成分分析、极限学习机

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：13-15,19