论文首页哲学论文经济论文法学论文教育论文文学论文历史论文理学论文工学论文医学论文管理论文艺术论文 |
全部作者: 尹海兵 胡德文 刘亚东 李明 王玉成 第1作者单位: 国防科技大学机电工程与自动化学院自动控制系 摘要: 近年来,包括了基于多元t分布混合模型的期望最大算法(EM)在内的多种自动实现神经放电尖峰(spike)分类的方法不断得到发展。然而,研究表明,EM算法具有线性收敛性,对于神经放电尖峰的分类来说,由于计算时间的消耗而显得不太适用。本文介绍了1种优化的EM算法,它基于多元t分布混合模型,可以实现有效地神经放电尖峰的分类。在神经放电尖峰的高维特征空间内,算法利用梯度上升原理对EM算法进行了优化,在仿真和实际数据中的应用表明,优化后的算法具有更好的收敛速度和更好的鲁棒性,更适合应用于神经放电尖峰的分类。 关键词: 神经放电尖峰分类、期望最大算法、梯度上升 (浏览全文) 发表日期: 2008年04月10日 同行评议:
(暂时没有)
综合评价: (暂时没有) 修改稿: