【ELM分类】基于核极限学习机和极限学习机实现UCI数据集分类附matlab代码

 1 内容介绍

极限学习机（ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ，ＥＬＭ）作为一种新兴的机器学习方法，已经成为了一个热门的研究方向。 ＥＬＭ 随机确定单隐含层网络的输入权值和隐含层节点偏置，通过简单计算即可解析得到输出权值，不仅加快了学习速度，而且具有很好的泛化能力。 核函数 ＥＬＭ 将核函数引入到极限学习机理论中，可以得到最小平方优化解，解决了

ＥＬＭ 算法随机初始化问题，对模型学习参数具有较好的鲁棒性，具有更稳定的、更好的泛化性能。

2 仿真代码

1.
    本文件包括ELM和KernelELM()算法的实现，在黄广斌教授础源码基础上做了简单修改，并对程序做出注释
2. 
    elm.m             ELM算法实现
    elm_kernel.m  KernelELM算法实现，注意使用不同kernel时，核参数个数可能不一样
3. 
    test_elm.m      elm()函数测脚本，有详细注释
    test_elm_kernel elm_knenel()函数测试脚本，有详细注释
4. UCI_DataSet
    mat格式UCI数据集，包括了多个数据库
    每个数据库中，一行为一个数据，第1列为数据所属类别号

3 运行结果

4 参考文献

[1]王丽, 兰陟, 杨荣,等. 基于核函数极限学习机和小波包变换的EEG分类方法[J]. 北京生物医学工程, 2018, 37(5):8.

[2]王丽等. "基于核函数极限学习机和小波包变换的EEG分类方法.". 

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。