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
ZhengEnCi19 小时前
P2M-Matplotlib折线图完全指南-从数据可视化到趋势分析的Python绘图利器ZhengEnCi21 小时前
P2L-Matplotlib饼图完全指南-从数据可视化到图表定制的Python绘图利器xiao5kou4chang6kai413 天前
MATLAB机器学习、深度学习--从数据预处理到模型训练YangYang9YangYan13 天前
2026初入职场学习数据分析的价值有Li13 天前
PTCMIL：基于提示 token 聚类的全切片图像多实例学习分析文献速递/多模态医学影像最新进展数睿数据无代码开发13 天前
打破数据孤岛：深度解析 smardaten 数据连接器核心功能bubiyoushang88813 天前
电力线信道“五类噪声”仿真MATLABcici1587413 天前
彩色图像模糊增强（Fuzzy Enhancement）MATLAB 实现kaikaile199513 天前
图像稀疏化分解 + 压缩感知（CS）重建 MATLAByugi98783813 天前
PNCC（Power-Normalized Cepstral Coefficients）— MATLAB 实现