技術(shù)特征：

1.一種基于池化時(shí)間序列特征表示的細(xì)胞分裂事件識(shí)別方法，其特征在于，所述細(xì)胞分裂事件識(shí)別方法包括以下步驟：

在樣本數(shù)據(jù)庫中，提取樣本相關(guān)特征，將所有樣本特征的集合定義為初始特征庫；

初始特征矩陣的每一橫向維度為一個(gè)時(shí)間序列，將多種池化算子應(yīng)用于時(shí)間金字塔結(jié)構(gòu)，將池化后的結(jié)果級(jí)聯(lián)為一個(gè)向量，作為樣本的最終表示；

分別計(jì)算訓(xùn)練集和測(cè)試集的核矩陣，應(yīng)用支持向量機(jī)作為分類器，獲取最終的預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于池化時(shí)間序列特征表示的細(xì)胞分裂事件識(shí)別方法，其特征在于，所述細(xì)胞分裂事件識(shí)別方法還包括：

采集細(xì)胞候選子序列，將所有候選子序列定義為構(gòu)成樣本數(shù)據(jù)庫。

3.根據(jù)權(quán)利要求1所述的一種基于池化時(shí)間序列特征表示的細(xì)胞分裂事件識(shí)別方法，其特征在于，所述多種池化算子具體為：

最大池化算子、和池化算子、以及引入時(shí)間序列梯度直方圖概念的池化算子。

4.根據(jù)權(quán)利要求3所述的一種基于池化時(shí)間序列特征表示的細(xì)胞分裂事件識(shí)別方法，其特征在于，所述時(shí)間序列梯度直方圖概念的池化算子具體為：

$x_i^{{\mathrm{\Δ}}_2^{+}}\[t^s,t^e\]=\underset{t=t^s}{\overset{t^e}{\mathrm{\Σ}}}{h}_i^{+}\left(t\right),x_i^{{\mathrm{\Δ}}_2^{-}}\[t^s,t^e\]=\underset{t=t^s}{\overset{t^e}{\mathrm{\Σ}}}{h}_i^{-}\left(t\right)$

其中，表示在[t^s,t^e]時(shí)間段的正梯度算子，表示在[t^s,t^e]時(shí)間段的負(fù)梯度算子，表示在[t^s,t^e]時(shí)間段的另一種正梯度算子，表示在[t^s,t^e]時(shí)間段的另一種負(fù)梯度算子，表示在一定范圍內(nèi)時(shí)間點(diǎn)t的正梯度值，表示在一定范圍內(nèi)時(shí)間點(diǎn)t的負(fù)梯度值，∧為邏輯與。

5.根據(jù)權(quán)利要求1所述的一種基于池化時(shí)間序列特征表示的細(xì)胞分裂事件識(shí)別方法，其特征在于，所述將池化后的結(jié)果級(jí)聯(lián)為一個(gè)向量，作為樣本的最終表示的步驟具體為：

$x=\[x_1^{op1}\[t_1^s,t_1^e\],x_1^{op2}\[t_1^s,t_1^e\],...,x_i^{{\mathrm{op}}_j}\[t_k^s,t_k^e\],\mathrm{...},x_n^{opr}\[t_k^s,t_k^e\]\]$

其中，表示在時(shí)間段內(nèi)將第j種池化算子應(yīng)用于第i個(gè)時(shí)間序列f_i(t)。