神经元的形态分类和识别
题 目 神经元的形态分类和识别摘 要：
本文主要利用支持向量机(SVM)理论、聚类分析理论、主成分分析与典型相
关分析等有关知识，分析和解决了基于神经元空间几何形态特征的特征提取、样
本分类、类间和类内样本形态特征的显著性分析，并根据分类的结果，给出了基
于神经元形态特征的命名方案；最后建立了以神经元的几何拓扑空间结构为隐变
量的隐马尔科夫模型(HMM)，从而预测神经元形态随时间的生长变化规律，给
出了预测模型的实时性和有效性，得到了比较好的仿真结果。
问题一首先提取神经元的 43 种几何形态特征，然后采用主成分分析法，在
这些形态特征中提取6 种对神经元形态特征有较强解释力的几何特征，最后以此
特征建立支持向量机分类器模型。
问题二首先主观标记附录 B 中神经元的类型；然后利用问题一中所建立的
SVM 分类器模型对其进行分类，并进行主客观的交叉验证，达到90%的准确率。
验证了所建立模型在解决非线性及高维模式识别中表现出极大优势。最后根据对
分类结果中误分的神经元的几何特征的研究，建议引入新的神经元名称。
问题三考虑到待分类神经元的类别数未知，用层次聚类方法进行神经元的未
知类型数目的聚类，得到谱系聚类图；然后根据R2 统计量的方法确定待分类神
经元样本分为8 类最合适；最后在已经确定类别数目的情况下，针对层次聚类算
法的时间复杂度较高、容易陷入局部最优解等问题，采用k 均值聚类算法确定每
一类神经元具体样本，并给出了一种新的神经元命名方案。
问题四从分类的逆向思维出发，基于样本间的分离度准则，建立了一种不同
物种神经元的区分方法，同时给出了不同物种同一神经元差异较大的形态特征，
并利用统计中的典型相关分析给出了改进的模型。
问题五针对神经元的实际形态是随时间的流逝不断发生变化的问题，建立了
以神经元的几何拓扑空间结构为隐变量的HMM，其显状态为神经元的几何特征；
利用已有的数据预测出神经元显式的状态，并预测神经元形态的生长变化规律。
关键词 神经元几何特征 支持向量机 主成分分析 k 均值隐马尔科夫模型
参赛队号 10701001
队员姓名 何立火 朱明敏 侯伟龙
ddddddddd
多谢楼主分享！！！ 學習了，謝謝分享 顶顶顶，居然用了机器学习 谢谢分享！！！ 很好！好好学习！！！ 很好！好好学习！！！！ 很好！好好学习！！！！ 很好！好好学习！！！！！