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
青春不败 177-3266-052024 分钟前
MATLAB近红外光谱分析技术及实践技术应用Blossom.1189 小时前
基于深度学习的图像分类：使用Capsule Networks实现高效分类Re_Yang0912 小时前
数学专业转型数据分析竞争力发展报告workflower13 小时前
数据分析前景go546315846516 小时前
Python点阵字生成与优化：从基础实现到高级渲染技术简简单单做算法21 小时前
基于LSTM深度学习网络的视频类型分类算法matlab仿真pk_xz1234561 天前
光电二极管探测器电流信号处理与指令输出系统优宁维生物1 天前
血液样本的分类与应用Blossom.1181 天前
基于深度学习的图像分类：使用DenseNet实现高效分类Watermelo6171 天前
极致的灵活度满足工程美学：用Vue Flow绘制一个完美流程图