神经元的形态分类和识别

madio

题 目         神经元的形态分类和识别
摘       要：
本文的工作主要包括以下方面：
1.提取神经元样本的空间几何属性，先进行属性选择，得出干的数目、最小直径、比较扩大角度平均值和段路径长度最大值为4个最主要的特征属性。然后用朴素贝叶斯模型依据选择出来的属性对神经元进行分类，最后用10折交叉验证方法对结果验证，取得了96%的正确率。
2.在已有附录数据的基础上继续搜集数据作为训练样本，利用演化算法中的遗传规划模型，通过进化、选择等操作对附录B的数据进行预测。结果中有运动神经元7个、普肯野神经元2个、锥体神经元4个（包含1个变异）、中间神经元2个、感觉神经元3个和一个新的分类（毛线状神经元）。
! C1 O* f  m" ]+ {* h3.改进已有的期望最大化(EM)聚类模型，加入双阈值终止条件和类间可分性判定依据，并将neuromorpho.org网站所有的5436组神经元数据分为7类，按照新类别的几何特征，尝试将其命名为多干放射状神经元、普通神经元、多干长须神经元、毛线状神经元、多干中须神经元、珊瑚状神经元和多极中间神经元。
3 a8 Q6 J9 l, P2 s7 A3 V* r+ [* k4.根据已有的贝叶斯分类模型，区分不同物种的同类神经元。不仅对题目中猪和鼠的普肯野神经元进行了区分，还对搜集的猫和鼠的脊髓运动神经元、猴子和人类的椎体神经元进行了分组对比试验，分组试验结果精度不低于为97.5%。
& a3 v& W5 `: f$ i$ u& ^5.用分类模型取代常规的回归模型进行神经元的成长预测。根据同类神经元的大量样本聚类，把神经元的生长过程分为6个阶段。分析神经元的生长过程的几何特征的变化，再通过分类模型，可以确定80%以上的神经元所处生长阶段，从而达到预测下一个或几个生长阶段的目的。
[关键词]：属性选择 贝叶斯分类 EM聚类 10折交叉验证
参赛队号10491004                     
* b' c1 @  x) y( a4 V" x- M3 j7 _4 F% g队员姓名 余超、曾文聪、韩增新
0 e% h& M$ Q  _+ F% W 10491004C.doc (1.56 MB, 下载次数: 162)

2012-9-15 07:56 上传

点击文件名下载附件
下载积分: 体力 -2 点

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！！！！

823759105

顶一下！！！！