基于集成極限學習機的神經(jīng)元分類算法研究.pdf

1、神經(jīng)元是大腦結(jié)構(gòu)中最基本的單位，想要了解大腦的結(jié)構(gòu)和功能，就要先對神經(jīng)元進行研究。由于神經(jīng)元結(jié)構(gòu)復雜，種類繁多，想要了解神經(jīng)元，首先就要解決神經(jīng)元的分類問題。從現(xiàn)代神經(jīng)科學開始以來，神經(jīng)元的分類問題一直備受爭議。近幾年的實驗進展加快了數(shù)據(jù)采集的速度，由此產(chǎn)生了大量關(guān)于神經(jīng)元的形態(tài)、生理和分子特性的數(shù)據(jù)，這些數(shù)據(jù)鼓勵研究者們努力通過強大的機器學習技術(shù)，實現(xiàn)自動化的神經(jīng)元分類。為了實現(xiàn)對于神經(jīng)元的有效分類，本文從神經(jīng)元的形態(tài)結(jié)構(gòu)入手，對神經(jīng)

2、元的分類方法進行研究。具體工作如下：
　?。?）采用稀疏主成分分析算法提取神經(jīng)元的主要形態(tài)特征。在對神經(jīng)元分類的研究中，由于神經(jīng)元結(jié)構(gòu)復雜，形態(tài)特征較多，在對神經(jīng)元的形態(tài)特征進行分析時，首先需要對其進行降維。稀疏主成分分析算法可以有效的對高維數(shù)據(jù)進行降維，降維后得到的主要特征不僅能夠包含原始數(shù)據(jù)的大部分信息，而且由于部分因子載荷稀疏至零，能夠利于研究者對稀疏主成分給出具有實際意義的分析。
　　（2）采用極限學習機算法對神經(jīng)元

3、進行分類。為了能夠準確且快速的實現(xiàn)神經(jīng)元的分類，本文采用極限學習機算法對神經(jīng)元進行分類，并與傳統(tǒng)的支持向量機、BP神經(jīng)網(wǎng)絡(luò)進行對比。實驗結(jié)果證明極限學習機能夠?qū)ι窠?jīng)元進行有效的分類，且分類精度以及訓練速度都要優(yōu)于支持向量機和BP神經(jīng)網(wǎng)絡(luò)。
　?。?）提出了正則在線極限學習機以及基于Adaboost集成的正則在線極限學習機算法，并用于對神經(jīng)元進行分類。為了得到更加準確的分類效果，本文對在線極限學習機進行了改進，引入正則化因子，提出了