极限学习机（ELM）因其高效的训练方式被广泛应用于分类回归，然而不同的输入权值在很大程度上会影响其学习性能。为了进一步提高ELM的学习性能，针对ELM的输入权值进行了研究，充分利用图像局部感知的稀疏性，将局部感知的方法运用到基于自动编码器的ELM（ELM-AE）上，提出了局部感知的类限制极限学习机（RF-C2ELM）。通过对MNIST数据集进行分类问题分析实验，结果表明，在具有相同隐层节点数的条件下，提出的方法能够获得更高的分类精度。