基于小批量K-means优化的Kilosort4锋电位聚类算法研究
周富豪1
李赵春1
王玉成2
1.南京林业大学 机械电子工程学院,南京 2100372.中国科学院合肥物质科学研究院,合肥 230031
摘要：针对 Kilosort4 处理锋电位数据时,在模板反卷积阶段,因采用传统 K-means 算法带来的时间复杂度瓶颈,本研究提出了一种基于小批量 K-means 聚类算法的优化方法.首先,利用 K-means++算法初始化聚类中心;然后,在迭代过程中动态抽取数据子集,进行局部聚类,并根据数据集规模自适应调节子集大小;最后,通过增量式更新聚类中心,直至收敛.实验结果表明,优化后的 Kilosort4 算法的运算速率相较于原算法提升了约 8%,并能在保持聚类质量的同时,显著降低计算复杂度.本研究可为神经科学研究提供更高效的工具.
关键词：锋电位小批量K-means算法Kilosort4速度优化神经科学电生理信号
分类号：R318(医用一般科学)TP391.4(计算技术、计算机技术)
资助基金：国家重点研发计划(2023YFB4704600)
论文发表日期：2026-04-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：6( 98-103 )
英文信息