神经元的形态分类方法研究

• 作者: 李佳 陈亮
• 来源期刊: 科技与创新
• 关键词: 神经元 几何形态特征 稀疏主成分分析 极限学习机
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 理论探索
• 页码范围: 13-15,19
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2017.03.013

摘要

从神经元几何形态特征的角度考虑,对神经元进行分类.由于神经元的几何形态复杂多样,直接用于分类会使得算法运行时间长、分类精度低.采用稀疏主成分分析法提取神经元的主要特征,不仅能实现几何特征的降维,减小分类难度,而且提取出的主成分部分载荷为0,使得主成分更具解释能力.依据主要特征,采用极限学习机算法对神经元进行分类.实验结果表明,该分类模型具有较高的运行效率和分类精度,能够对神经元实现有效分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮	东华大学信息科学与技术学院	125	1242	18.0	27.0
2	李佳	东华大学信息科学与技术学院	8	16	2.0	3.0