基于譜聚類集成學(xué)習(xí)的神經(jīng)元胞體的幾何分類.pdf

1、大腦作為人體最為復(fù)雜的器官，不僅是因為它有著極其復(fù)雜的結(jié)構(gòu)，而且它有著眾多的高級功能，能夠進(jìn)行記憶、思維，產(chǎn)生意識和情感等。現(xiàn)在技術(shù)上已經(jīng)能夠?qū)π∈蟮哪X神經(jīng)元結(jié)構(gòu)實現(xiàn)矢量化，這有利于下一步“人腦研究”的進(jìn)行。
　　本文研究大腦神經(jīng)元胞體的幾何分類問題。首先將神經(jīng)元胞體的極坐標(biāo)數(shù)據(jù)轉(zhuǎn)換成三維向量數(shù)據(jù)，繪制胞體的三維網(wǎng)線圖，并結(jié)合生物學(xué)神經(jīng)元胞體的結(jié)構(gòu)特點(diǎn)。根據(jù)形狀對胞體做預(yù)分類。其次，抽取胞體的重要幾何特征，繪制樣本各特征的直方圖及

2、密度曲線，刻畫其分布。再次，對胞體特征做降維處理，提取主要特征，消除冗余特征，以降低算法的復(fù)雜度，提高聚類的準(zhǔn)確性：采用主成分分析和譜分解兩種方法進(jìn)行降維，測試發(fā)現(xiàn)，譜分解降維后的k-means、fcm、基于密度的聚類和層次聚類結(jié)果準(zhǔn)確率均高于主成分20％以上。故后面的聚類算法中，選譜分解降維提取特征。接下來進(jìn)行聚類方法的研究。單個聚類算法各有優(yōu)劣，本文采用了一種可以綜合眾多聚類算法優(yōu)點(diǎn)的集成學(xué)習(xí)算法，提高了聚類的可靠性。集成算法中，本

3、文采用賦有權(quán)重的投票方法作為共識函數(shù)：先從胞體特征數(shù)據(jù)樣本中隨機(jī)抽取1/3數(shù)據(jù)，進(jìn)行4種聚類方法實驗，再依據(jù)這1/3胞體的分類準(zhǔn)確率的高低確定投票權(quán)重。最后，將原始特征數(shù)據(jù)做譜分解降維，再利用提取到的新特征先做單一方法的聚類，再將以上四種聚類方法集成一種新的方法，然后將他們進(jìn)行對比，得到了優(yōu)于所有單一方法的較為理想的分類結(jié)果。實驗結(jié)果表明，該方法用于胞體分類時，識別相似胞體能力強(qiáng)，可用于腦區(qū)分類，或?qū)ふ耶惓０w，進(jìn)行相關(guān)醫(yī)學(xué)研究。