大脑是人类生物体中结构和功能最为复杂的组织，其中包含有成千上万的神经元细胞。为了研究人类的大脑就必须要研究他的组成--神经元细胞，要研究神经元细胞就要知道神经元细胞是怎么回事，是如何分类的。如何快速准确的对神经元细胞进行分类是一项非常重要的工作。这个工作将直接影响人们对神经元细胞的认知和理解，是非常有意义和有价值的。本文以研究神经元细胞为主，以神经元细胞的空间结构入手。通过其空间结构的固有特点来对它进行分类。在神经元细胞的空间结构上采用各种方法相结合处理，最后通过支持向量机对其进行分类。论文的主要创新点如下：(1)根据神经元细胞其空间结构自身的特点，提出了神经元细胞空间结构的新特征分形维数，并给出了分形维数的计算方法，拓展了神经元细胞的特征范围。之后通过实验验证，证实分形维数作为神经元细胞的特征是有效和有用的。(2)根据数据源的不平衡数据问题，采用了针对其问题的相应处理办法。通过比较三种不同方法的优劣，选择有效和合适的处理方法。(3)使用信噪比指标对神经元细胞空间结构进行特征选择。因为神经元细胞空间结构自身的特点，其特征较多，采用信噪比指标进行选择特征计算便利并且易于理解。(4)在前期的数据预处理完成后，通过采用支持向量机决策树的多分类方法，对神经元细胞进行分类。依靠选择不同的核函数和设置其合适的参数，在实验下对其进行了相应的验证，得出了分类效果最佳的结果。最后，综合各种方法得出的分类效果最高能达到86.7%的正确率，这说明综合应用各种方法并通过支持向量机进行的分类对于区分神经元细胞是有明显效果的。