基于多元统计分析的神经元细胞分类与识别

《基于多元统计分析的神经元细胞分类与识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、⑩俐DOCTOR⋯ALDISS⋯洲博士学位论文基于多元统计分析的神经元细胞分类与识别论文作者：图瑞指导教师：谢民育教授李波副教授学科专业：统计学研究方向：数学与统计学华中师范大学数学与统计学学院2013年5月⑥博士学位论文DOCTORALDISSERTp汀IONDissertation一一J一一‘～‘‘1一’‘‘o一‘‘NeuroasClassificationandldentificationUsingMultivariateStatisticalAnalysisByAuthor：ChadouHassimiTOURESupervisor：ProfessorXieMinYuAss

2、ociateProfessorLiBoSpecialty：StatisticsResearchArea：MathematicsandStatisticsCollegeofMathematicsandStatisticsCentralChinaNormalUniversityMay．2013⑧博士学位论文DOCTORALDISSERTATION华中师范大学学位糊创性声明棚授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个

3、人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。作者签名：嬲‘日期：夕∥年口厂月多，—自学位论文版权使用授权书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后遵守此规定)保密论文注释：本学位论文属于保密，在——年解密后适用本授权书。非保密论文注释：本学位论文不属于保密范围，适用本授权书。

4、作者签名：日期：勿哆年。厂R2厂日导师始彳尹矽铂日期：历哆-q-o，-月2厂日本人已经认真阅读“CALIS高校学位论文全文数据库发布章程”，同意将本人的学位论文提交“CALIS高校学位论文全文数据库”中全文发布，并可按“章程"中的规定享受相关权作者签名：日期：Z彩年劈明乃‘日日期：纱

5、≯3手-oF月2，B⑧博士学位论文DOCTORALDISSERⅣ汀ION摘要本文包括四章。本文主要研究生物神经元细胞，试图通过神经元细胞几何指标的数据对其进行分类，本文数据取自NeuroMorpho．org数据库。本文运用多元统计分析理论和方法研究了神经元的几何特征，提出了一套相对完整的分类分析方案

6、，此外本文还试图探索一整套神经元细胞的识别方法并定义一套新的命名规则，其效果基本理想。第一章用主成分分析的方法将20个几何指标变量转化成四个主成分：神经元大小、神经元分叉情况、神经元紧密情况和神经元分叉角度。第二章和第三章分别使用判别分析和聚类分析对神经元细胞进行分类。本文得到了相应的判别函数，通过了各种检验，误判率为0．0784效果较好。本文分别用主成分分析前的20个指标和主成分分析后的4个主成分进行聚类分析，聚类结果和已有的生物研究分类结果基本一致。本文还就多种相关统计方法和生物方法的分类结果进行了比较。第四章结合统计分析方法和定性信息，综合研究了生物神经元几何体、连通性和功

7、能之间的关系，较完整地实现了对神经元数据的识别。博士学位论文DOCTORALDISSERI：4口IONAbstractThisworkinvolvesfourchapters．Thefirstchapterconsidersthegeometricfeaturesofneurons，usingPrincipalComponentAnalysis，providesasetofrelativelycompletescheme，anddefinesanewnamingrules．throughavarietyofmethodsofrepeatedtesting．theeffectisi

8、deal．Thiswork，hasallowedreducing20variablesfrombeginninginjustfour：sizeoftheneurons，theneuronsbifurcationsituation，theNeuronscloseandtheneuronsbifurcationangle．ThesecondchapterandthethirdchapteruserespectivelyDiscriminantAnalysisandClusterAna