大脑是控制生命活动的重要器官,而神经元作为大脑的基本单位,可将各种外界信息传递给大脑,是信息传递真正的核心,因此对神经元的研究是十分必要的,而根据神经元的几何形态特征对不同物种的神经元进行分类这一课题是该研究的基础所在。然而,迄今为止,这一课题仍未得到较好的解决。本文主要是从神经元的形态特征出发,对人类、黑猩猩和猴子这三个物种的锥体神经元进行分类。首先,利用L-Measure软件提取三个物种的锥体神经元形态特征,通过查找相关文献及软件所附相关说明对各个特征的统计值予以选择;其次,对数据进行质量分析和特征分析,采用PCA和LDA两种降维方法对提取的形态特征进行降维,并分别对降维后的新特征进行分析,再针对每种降维方法分别使用支持向量机、决策树、随机森林三种分类算法来对三个物种的锥体神经元分类;最后,分析比较不同降维方法及不同分类算法对锥体神经元分类效果的影响。结果表明,不论采用哪种降维方法构建分类模型,其分类效果都比较理想。基于PCA降维后,支持向量机的分类效果是最好的,随机森林稍次之,决策树最差,而三种分类算法均是对人类锥体神经元分类效果最好,其次是猴子锥体神经元,最差的是黑猩猩锥体神经元;基于LDA降维后,支持向量机分类效果比随机森林和决策树的分类效果要稍好一些,然而,支持向量机和决策树对黑猩猩锥体神经元分类效果最好,其次是猴子锥体神经元,人类锥体神经元最差。基于PCA降维后,三种分类算法的分类效果都比基于LDA降维后的分类效果好,并且,采用PCA和LDA降维方法分别构建的分类模型中,支持向量机分类效果最好。这些降维法及分类算法的研究可为基于空间形态特征对不同物种的其他神经元分类提供依据,加深了人们对神经元结构与功能的认识,促进了神经信息学的发展。