基于显微高光谱成像技术的运动和感觉神经分类研究

在外科神经修复手术中,正确识别神经束性质是实现良好修复的关键。本文将显微高光谱成像技术应用于神经分类中,并对分类的可行性进行实验性探究。首先使用显微高光谱神经采集系统获取兔子运动及感觉神经的高光谱图像数据并进行预处理,再利用纯净像元提取算法得到端元波谱继而获取各类别的特征光谱,通过分析特征光谱的特征与差异找寻合适的分类算法,实验结果表明本技术具有一定的分类效果。本文基于K近邻分类器,实验性的使用了经典欧氏距离及波谱角距离这两种距离测度算法对实验数据进行分类,对比实验结果分析两种方法的优劣,为后续寻找其他合适且更具针对性的分类方法奠定了重要的基础。

基于维度约束的距离测度学习算法

为提高分类精度,通过距离测度学习可以得到样本在新的特征空间里新的表示.针对马氏距离未考虑不同类别样本维度间相关性存在差异这一缺陷,提出了一种新的有监督的距离测度学习算法,即独立-差别分量分析方法(Independent Discrimi-Native Component Analysis,I-DCA),并将其运用于基于k近邻分类器的运动神经与感觉神经分类中.作为对照,还详细分析了已有的相关分量分析方法(Relevant Component Analysis,RCA)和差别分量分析方法(Discrimi-Native Component Analysis,DCA)这两种距离测度学习算法.实验结果表明,改进算法的分类精度相较于马氏距离提高了近45%,相较于RCA与DCA也提高了15%左右,分类精度的提高说明了改进算法的有效性.

互花米草克隆基株网络的随机游走特征

基于野外实地调查的数据和复杂网络理论,分别定义4种形式的节点和4种类型的边,然后构建了具有异配性的互花米草基株多重关系网络。为了研究互花米草多重关系网络的拓扑结构和动态特性,建立了具有多个陷阱节点的随机游走模型。数值仿真结果显示:在随机游走过程中,无穗株丛和无穗分株是控制节点平均吸收时间的主要因素。经分析可知,建构的互花米草基株的水平空间扩散网络模式反映了其真实生境异质性模式。此外,该模型对于分析其它种类克隆植物的异质生境格局具有借鉴意义。