TY - JOUR A2 - Migliore, Michele AU - Qian, Xiaoxiao AU - Wang, Yirui AU - Cao, Shuyang AU - Todo, Yuki AU - Gao, Shangce PY - 2019 DA - 2019/08/01 TI - Mr .DNM:一种基于互信息的树突神经元模型SP - 7362931 VL - 2019 AB -利用神经元的可塑性机制，原树突神经元模型(DNM)在分类任务中获得了成功，不仅具有较高的准确性，而且具有简单的学习规则。然而，现实世界中收集到的数据包含大量的冗余，这使得DNM分析数据的过程变得复杂和耗时。本文提出了一种基于最大关联最小冗余(Mr 2 )的特征选择技术(即Mr 2 DNM)用于分类的实际分类问题。基于相互信息的Mr 2 应用于评估和排名最具信息和鉴别特征的给定数据集。获得的最优特征子集用于训练和测试DNM，以分类来自医学、物理和社会场景的5个不同问题。实验结果表明，所提出的Mr 2 DNM在准确率和计算效率方面优于DNM和其他六种分类算法。SN - 1687-5265 UR - https://doi.org/10.1155/2019/7362931 DO - 10.1155/2019/7362931 JF -计算智能与神经科学