神经元的形态分类方法研究

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。