神经元形态分类与识别的数学建模

madio

题 目       神经元形态分类与识别的数学建模
摘       要：
本文针对神经元的形态分类与识别问题，运用决策树、神经网络、支持向量机（SVM）等分类方法对问题进行求解。
6 h& b! e/ f* s7 t对于问题1，本文先采用单一决策树模型将神经元划分为7类，通过交叉验证，分类的准确率为84.3%。然后，采用多决策树模型对神经元进行分类，第一步分类的准确率为90.2%，第二步分类的准确率为90.9%。接着，采用神经网络模型将神经元分别划分为5类、7类，分类的准确率分别为98.04%、88.24%。最后，采用SVM模型将神经元分别划分为5类、7类，分类的准确率分别为98.04%、86.27%。同时得到刻画附录C中5类神经元的几何特征为胞体表面积，主干数目，分支数目，分枝级数和高度。
9 [4 _# _4 _- z对于问题2，在对测试集进行扩展后，本文先后采用神经网络模型和SVM模型对附录B中的未知神经元利用概率输出来作类型识别及新类探测。最后得到一致的识别结果，1～3号为椎体神经元，5～6号为普肯野神经元，7～9为新类神经元，4、10～12、19～20号为运动神经元，13～14、17～18号为感觉神经元，15～16为中间神经元。
对于问题3，本文利用神经网络和SVM概率输出来作类型识别及新类探测。
对于问题4，本文采用在训练集中进一步细分的方法来验证神经网络模型以及SVM解决该问题的有效性。
7 j9 h+ a9 b6 Y: i' W对于问题5，本文先通过对树的生长进行模拟，然后利用L-system的建模方法实现对神经元生长的模拟，从而预测出神经元的生长变化。
4 n: f4 j& N! A3 h* R4 y% y6 V关键字：神经元        形态分类        决策树         神经网络        支持向量机         分形
, G# R! ?0 u5 [; U' p! {* I 参赛队号 10248012
: E7 Z( {: _; Z. W队员姓名 潘玮 周徐宁 仇伟  
10248012C.rar (1.7 MB, 下载次数: 350)

2012-9-15 07:54 上传

点击文件名下载附件
下载积分: 体力 -2 点

Yuanbianxiyang

学习，好资料
$ p  U" ?( c( \( x: c

823759105

顶一下！！！

823759105

顶一下！！！

823759105

顶一下！！！

823759105

顶一下！！！

823759105

顶一下！！！

823759105

顶一下！！！

823759105

顶一下！！！

823759105

顶一下！！！