1、人類的大腦一直是無數科學家們不懈研究的一個重要領域，一個人在出生之前，大腦中就已經約有1000億個神經元，神經元之間約有上萬億的突觸連接，形成了迷宮般的網絡連接。因為鼠腦和人腦的基本結構相似度很高，如果能夠對鼠腦的結構組織有個清晰的了解，就能為“人腦項目”做鋪墊，推進“人腦項目”的進行。本文研究的主要對象是鼠腦神經元某一腦區(qū)的胞體，對神經元胞體進行分類研究，首先將數據可視化，尋找胞體的形狀與神經元之間的關系，結合有監(jiān)督和無監(jiān)督分類方法，

2、對胞體進行較精確分類，尋找異常胞體。
　　本文中首先對數據進行坐標轉換，畫出528個神經元胞體的三維圖，通過觀察三維圖形，根據經驗對胞體進行分類。然后可視化特征值，觀察數據分布情況，為下一步做準備；其次，對于神經元胞體的分類，本文選取有監(jiān)督分類方法——決策樹和無監(jiān)督分類方法——層次聚類兩種方法，分別對胞體數據做分類。決策樹屬于機器學習，把一組輸入的屬性值向量和相應的類，用基于歸納學習算法得出分類，再選擇交叉驗證法檢驗分類器的性能。

3、為了避免出現過學習的現象，需要將構造好的決策樹模型進行剪枝，不僅能夠很好地擬合訓練樣本，還能對未知的樣本進行準確的分類；接下來采用層次聚類，在沒有先驗信息的前提下將原始數據分為三類，再將聚類結果與之前的分類情況進行對比，檢驗分成這三類的可行性；最后為了減小十個特征變量出現信息重疊帶來的影響，對十個特征變量進行主成分分析，提取兩個能夠代表原始數據百分之八十以上信息量的綜合變量。用這兩個綜合變量再次進行聚類，比較兩次聚類結果，選取最簡單可行