基于matlab的混合方法组合的极限学习机和稀疏表示进行分类。通过将极限学习机（ELM）和稀疏表示（SRC）结合到统一框架中，混合分类器具有快速测试（ELM的优点）的优点，且显示出显着的分类精度（SRC的优点）。数据可更换自己的，程序已调通，可直接运行。
110极限学习机（ELM） (xiaohongshu.com)
https://www.xiaohongshu.com/explore/6585a50a000000000801ddc9
110基于matlab的混合方法组合的极限学习机和稀疏表示进行分类
顶呱呱程序2023-12-24 15:07
相关推荐
wuweijianlove17 分钟前
算法的平均复杂度建模与性能回归分析的技术7高洁011 小时前
大模型部署资源不足？轻量化部署解决方案fengfuyao9853 小时前
MATLAB实现自适应动态规划（ADP）方法强盛机器学习~5 小时前
2026年SCI一区新算法-傅里叶变换优化算法(FTO)-公式原理详解与性能测评 Matlab代码免费获取jllllyuz5 小时前
CNN卷积神经网络MATLAB实现：高速精确的图像分类AI科技星6 小时前
人类首张【全域数学公理体系】黑洞内部结构图—基于「0-1-∞」三元本源的全维深度解析啦啦啦_99996 小时前
案例之 波士顿房价预测(线性回归之正规方程/ 梯度下降！！)数智工坊7 小时前
【SIoU Loss论文阅读】：引入角度感知的框回归损失，让检测收敛更快更准bloglin999997 小时前
向量大模型升级可能改变向量空间（需要回归）高洁018 小时前
AI项目团队意见分歧？协调与决策方法