骨髓细胞的分类有重要的医学诊断意义。先对骨髓细胞图像分割和特征提取，用提取出来的训练集对极限学习机训练，再用该分类器对未知样本识别。针对单个分类器性能的不稳定，提出基于元胞自动机的极限学习机集成算法。通过元胞自动机抽样策略构建差异大的训练子集，多个分类器并行学习，多数投票法联合决策。实验结果表明，与BP、支持向量机比较，该算法基本无参数调整，学习速度快，分类精度高能达到97.33%，且有效克服了神经网络分类器不稳定的缺点。