论文部分内容阅读
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。