10.15913/j.cnki.kjycx.2017.03.013
神经元的形态分类方法研究
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.
神经元、几何形态特征、稀疏主成分分析、极限学习机
TP391(计算技术、计算机技术)
2017-03-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
13-15,19