| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外发展历史与现状 | 第9-13页 |
| 1.3 文章结构布局 | 第13-15页 |
| 2 特征选取 | 第15-23页 |
| 2.1 特征的评价准则 | 第15-17页 |
| 2.2 分枝定界法 | 第17-19页 |
| 2.3 主成分分析法 | 第19-23页 |
| 3 常用分类器及效果评价 | 第23-30页 |
| 3.1 决策树 | 第23-25页 |
| 3.2 支持向量机 | 第25-28页 |
| 3.3 分类器效果评价 | 第28-30页 |
| 4 神经元数据预处理及探索性分析 | 第30-43页 |
| 4.1 神经元原始数据描述 | 第30-31页 |
| 4.2 神经元数据几何形态特征提取 | 第31-34页 |
| 4.3 神经元数据可视化 | 第34-43页 |
| 5 神经元分类的最优几何形态特征的选取 | 第43-60页 |
| 5.1 神经元分类最优几何形态特征选取方法及实现 | 第43-53页 |
| 5.2 神经元几何形态最优特征之间的相关性分析 | 第53页 |
| 5.3 几种最优特征选取方法的分类性能比较分析 | 第53-60页 |
| 6 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |