极限学习机MATLAB代码

极限学习机（ELM）具有强大的非线性映射能力、良好的泛化性能和快速的收敛速度等特点，在故障检测系统中有广泛的应用。阐述了极限学习机的基本原理；结合文献分别介绍了传统极限学习机和三种新型极限学习机在不同

本文介绍一种基于蜣螂优化算法和极限学习机的优化方法，能够高效地进行回归预测。该算法结合了两种优化算法的优点，并经过实验验证其性能优越。同时，本文还提供了可运行的代码示例，帮助读者更好地理解和使用该算法

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

堆叠核极限学习机用于高光谱图像分类

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

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

环境科学领域中，重金属的浓度预测一直是一个备受关注的研究方向。本文聚焦于探讨极限学习机（Extreme Learning Machine，ELM）与MATLAB工具在重金属浓度预测模型中的协同作用。通

针对基于传统神经网络的变压器故障识别诊断方法存在网络收敛慢、易陷入局部极小点和网络参数难确定的缺点,提出了一种基于极限学习机的电力变压器故障快速识别方法。该方法以变压器油中用于故障类型分析的5种主要溶