發(fā)布時間：2017-10-12 15:44

  本文關(guān)鍵詞：波形特征的高斯混合模型鋒電位分類算法

  更多相關(guān)文章： 鋒電位分類 波形變化率 最大差異算法 高斯混合模型

【摘要】：鋒電位分類是進行大腦信息處理機制研究的基本步驟之一。針對鋒電位信號的復(fù)雜性和非平穩(wěn)性,從統(tǒng)計聚類的角度出發(fā),采用高斯混合模型描述鋒電位信號的概率密度函數(shù),提出了一種新的基于波形變化率特征和高斯混合模型聚類的鋒電位分類方法。首先計算鋒電位的波形變化率,然后利用最大差異方法獲得鋒電位波形的低維特征,最后采用高斯混合模型算法對特征進行聚類,實現(xiàn)鋒電位分類。采用開放的仿真數(shù)據(jù)分析了該算法的分類精度和可行性,然后分別利用來自5只大鼠和1只恒河猴初級視覺皮層的實測數(shù)據(jù)驗證了該算法的實用性,并與主成分分析特征的高斯混合模型聚類、幅值特征的高斯混合模型聚類和變化率特征的k均值聚類等3種方法進行了比較。仿真實驗中,在噪聲水平為0.05、0.10、0.15、0.20時,誤分率分別為1.18%±1.18%、1.41%±1.06%、2.27%±1.51%、2.98%±2.06%,低于其他3種方法;實測實驗中,恒河猴數(shù)據(jù)的J3準(zhǔn)則值為13.50±5.26,大鼠數(shù)據(jù)的J3準(zhǔn)則值為26.43±10.46。與其他3種方法相比,平均J3準(zhǔn)則值較大,且顯著高于幅值特征的高斯混合模型聚類算法。所提出的方法表現(xiàn)出較高的分類精度和較好的類可分性,為實現(xiàn)神經(jīng)元鋒電位的可靠分類提供了一種有效的手段。
【作者單位】： 鄭州大學(xué)電氣工程學(xué)院;
【關(guān)鍵詞】： 鋒電位分類 波形變化率 最大差異算法 高斯混合模型
【基金】：國家自然科學(xué)基金(U1304602) 河南省重點科技攻關(guān)項目(122102210102;162102310167)
【分類號】：R338;TN911.6
【正文快照】： 引言在神經(jīng)科學(xué)中,鋒電位(spike)是神經(jīng)信息接收、編碼和傳遞的載體,具有重要的研究意義。在微電極陣列胞外記錄方式中,每根微電極尖端可能被多個神經(jīng)元包圍,即一個電極可能同時記錄到多個神經(jīng)元發(fā)放的鋒電位。因此需要首先把微電極陣列記錄到的不同神經(jīng)元的放電活動區(qū)分開來,

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 封洲燕;肖乾江;胡振華;;電刺激期間神經(jīng)細(xì)胞單元鋒電位的檢測[J];中國生物醫(yī)學(xué)工程學(xué)報;2013年04期

2 劉新玉;尚志剛;萬紅;;神經(jīng)元鋒電位檢測中大幅值干擾的去除[J];中國科技論文;2013年01期

3 楊德治,丁靄玲,魏義全,黃止荷,應(yīng)崇智;狗小腸消化間期復(fù)合肌電的微機分析[J];中國應(yīng)用生理學(xué)雜志;1996年04期

4 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陳白璐;基于寬頻帶記錄信號的神經(jīng)元鋒電位檢測分類新方法及其應(yīng)用[D];浙江大學(xué);2014年

2 吳蘊蘊;神經(jīng)元鋒電位與場電位之間鎖相性分析的新方法及其應(yīng)用[D];浙江大學(xué);2013年

，

本文編號：1019589