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
3 n9 u' F& u2 ]% a: C5 w* @摘       要：
6 J* i1 Z9 W$ e0 p0 x* T) H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。
, @1 M) m2 c8 X3 }- y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。
% ]: j* h! \( |8 Y/ n8 }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。
1 t/ y; i3 ?; `5 u; Y5 q* A  `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。
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。
关键字：神经元        形态分类        决策树         神经网络        支持向量机         分形
6 Q8 K" Y( Q+ Z 参赛队号 10248012
队员姓名 潘玮 周徐宁 仇伟  
1 N( v0 G0 d& t# u! R8 K 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

Rocca1231

很好。。。学习了。。。。

柳梅

学习中，谢谢

jmdx2006

学习了。谢谢

xingran5028

学习优秀论文~~开工咯~~

二美

好好好好好好好

wujieskyboy

lcb0928

学习优秀论文。。。

spenceryuan

多谢楼主分享！！！！

wukexing1990

体力体力体力体力体力体力