基于模糊聚类的神经元识别方法

• 作者: 张晶 张玉红 毕佳佳 胡学钢
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 神经元 模糊集 聚类 划分策略
• 年，卷（期）: 2016,（5）
• 页码范围: 949-957
• 页数: 9页
• 分类号: TP311
• 字数: 6392字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2016.05.011

摘要

大脑是生物体内结构和功能最复杂的组织，其中包含上千亿个神经元。作为大脑构造的基本单位，神经元的结构和功能包含很多因素，其中神经元的几何形态特征就是一个重要方面。大脑中神经元的几何形态复杂多样，对其识别分类问题是一个难题。本文在模糊聚类的基础上根据神经元的几何形态建立了模糊集模型，并利用多数据库分类模型中的最优划分模型对模糊聚类分析法进行改进。将改进后的模糊聚类方法用于对神经元的识别分类，得到最优的分类结果。根据聚类的评价方法，与其他的聚类方法比较，证明了改进的模糊聚类方法能够得到更好的聚类效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学钢	合肥工业大学计算机与信息学院	314	3156	27.0	39.0
2	张玉红	合肥工业大学计算机与信息学院	32	260	10.0	14.0
3	毕佳佳	合肥工业大学计算机与信息学院	3	14	2.0	3.0
4	张晶	合肥工业大学计算机与信息学院	21	101	7.0	8.0