为了充分挖掘成对约束所隐含的信息来指导数据降维和数据聚类,提出一种基于加权成对约束投影的半监督聚类方法.该方法构造成对约束信息的k最近邻集并扩充成对约束集,分析成对约束实例包含的信息量并构造权系数矩阵,在加权成对约束信息的指导下求得投影矩阵,通过投影矩阵将样本数据投影到低维空间,使类内各点紧密分布,类间各点分散分布.同时,通过一种新的评价函数对k均值聚类算法进行改进,能够在尽量不违反成对约束的情况下优化聚类性能,实验结果表明,与现有半监督降维聚类算法相比,新方法能以较低的开销对高维数据进行聚类．

细胞外神经元锋电位记录中经常包含许多小幅值信号,为了正确检测这些小幅值低信噪比的锋电位,增加单次实验的神经元检出数量,设计一种针对四极电极阵列记录信号的锋电位检测算法.提取4通道信号主成分分析的第一分量,计算该分量的非线性能量算子,从而减小噪声并增强锋电位.检测阈值的设定采用一种两步法,用于减小锋电位发放密度变化以及大幅值锋电位对于阈值的影响.仿真数据和实验记录数据的验证结果表明,这种主成分与非线性能量算子相结合的阈值检测法适用于四极电极等测量点高密度分布的微电极阵列记录信号,能够显著提高小幅值低信噪比锋电位信号的正确检出率,特别是能够有效地检出重叠锋电位,为后续的神经信息解码和神经网络分析提供更充分的数据.