基于PCA和Fisher判别分析的锋电位在线分类算法

• 作者: 卢小银 周保琢 周逸峰 梁振
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 锋电位 在线分类 主成分分析 Fisher判别分析 模板匹配 神经网络
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 论著
• 页码范围: 122-126,133
• 页数: 6页
• 分类号: R318.04
• 字数: 4152字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2013.02.03.

摘要

目的 大脑神经元胞外单细胞动作电位(即锋电位)的检测与分类,是研究神经系统处理信息机制的关键.常用方法是实验完成后对记录到的数据进行离线检测与分类,然而当需要在短时完成大量数据的处理或无线传输时,则需实现锋电位的在线检测与分类.方法 为实现在线分类,本文在利用主成分分析法(principal component analysis,PCA)和K均值分类法对一定量数据进行预分类的基础上,提出使用PCA结合Fisher判别分析的方法,并与基于距离的模板匹配法、BP神经网络分类法进行了分类效果和算法复杂度的比较.结果 仿真结果表明,该方法相对于其它两种方法在分类效果和算法复杂度上都具有一定的优势.结论 此方法是实现锋电位在线分类的不错选择.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周逸峰	中国科学技术大学生命科学学院	31	130	6.0	9.0
2	卢小银	中国科学技术大学电子科学技术系	1	3	1.0	1.0
3	梁振	安徽医科大学生命科学学院	25	100	5.0	9.0
4	周保琢	中国科学技术大学电子科学技术系	5	15	3.0	3.0