极限学习机在岩性识别中的应用

本文提出了一种估计行人数量的方法。 提议的计数框架通过使用混合功能和极限学习机(ELM)结合了两种主要的行人计数策略-直接方法和间接方法。 ELM用于将混合要素映射到行人数量。 混合特征由整体低级特征

具有-范数正则化的随机傅立叶极限学习机

针对煤层自然发火的预测问题,以标志气体分析法为基础,提出了一种基于极限学习机的煤自然发火预报模型,该模型将直接构造出指标气体浓度与煤层是否自然发火之间的非线性映射关系,从而实现对煤层是否自然发火的识别

为通过测井数据对储层岩性进行精确的识别,选取自然伽马、声波时差、岩石体积密度、中子密度、微球形聚焦测井、深侧向、浅侧向等7种测井参数作为判别指标.对相关性较高的指标进行因子分析,提取公共因子作为随机森

对于煤田岩性地震勘探来说,利用密度和声速测井曲线约束的波阻抗反演是主要的方法之一。由于灰岩与围岩的波阻抗差异较小,常规波阻抗反演所获得的波阻抗信息很难识别出灰岩层位。通过对姚桥煤矿西六采区灰岩多测井曲

极限学习机(ExtremeLearningMachine)ELM，是由黄广斌提出来的求解单隐层神经网络的算法。ELM最大的特点是对于传统的神经网络，尤其是单隐层前馈神经网络(SLFNs)，在保证学习

极限学习机

为了提高遥感图像的分类精度,将遥感图像的相似性测度作为遥感图像的分类特征,运用极限学习机的快速收敛能力和泛化能力,提出一种基于相似性测度和极限学习机的遥感图像分类方法。选取分类精度和Kappa系数作为

集成极限学习机的基学习器扩展，王建功，刘博，集成极限学习机(E-ELM)由多个极限学习机(ELM)构成，它能有效地提高学习器的泛化性能。但用于集成的基学习器数量不易确定，过少则难以

MI-ELM:基于分层极限学习机的高效多实例学习