搜索资源列表
ELM
- 训练集/测试集产生 load spectra_data.mat 随机产生训练集和测试集 temp = randperm(size(NIR,1)) 训练集——50个样本 P_train = NIR(temp(1:50),:) T_train = octane(temp(1:50),:) 测试集——10个样本 P_test = NIR(temp(51:end),:) T_test = octane(temp(51:end),:) N = si
FOA-ELM
- 算法思想是：1） 根据果蝇优化算法得到极速学习机隐层神经元的数目；2） 依据得到的隐层神经元数目和极限学习机的方法对训练样本和测试样本进行训练学习。只要打开fruitfly_elm.m文件运行即可，可以换数据集 -Algorithm idea is: 1) according to the number of flies speed machine learning algorithm to obtain the hidden layer neurons optimization Method
elmtrain
- 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测 试集包含23个样本； 建立极限学习机模型，并训练； 利用训练好的极限学习机模型对测试集中的23个样本进行预测； 输出结果并绘图（真实值与预测值对比图）； -The 103 random samples of the entire data set is divided into training set and test set, wherein the training s
ELM--of-image-segmentation
- 以极限学习机的图 像分割算法为基础， 在确定了最优参数的基础上， 建立了基于ELM的图像分割算法， 并且通过仿真实验对算法的正确性和 有效性进行了验证， 指出这种算法能够更加快速地完成对图像的分割， 并且图像分割孤立点少， 边缘明显， 同时该算法大 大地缩短了样本的训练时间。-In image segmentation algorithm based on machine learning limit, in determining the optimum parameters ba
samples
- 这个是基于最初始的极限学习机的例子，分别用于回归和分类(This is an example based on the initial limit learning machine, which is used for regression and classification, respectively)
基于极限学习机ELM的数据分类
- 针对数据分类问题，提出了基于极限学习机的分类方法，将数据样本分为训练样本和测试样本，并采用准确率指标进行评价。(Aiming at the problem of data classification, a classification method based on extreme learning machine is proposed. The data samples are divided into training samples and test samples, and the