【预测模型-ELM分类】基于极限学习机ELM+OSELM+KELM+半监督SSELM+USELM实现数据集分类附matlab代码

1 内容介绍

极限学习机是由黄广斌等［13］提出的一种针对前馈神经网络设计的机器学习算法。该算法结构简单、计算速率快。ELM的关键在于找到输出和输出之间的映射空间。首先确定隐含层之间的连接权值w和隐含层神经元的偏置b。选择一个无限可微的函数作为隐含层神经元的激活函数g（x），则隐藏层输出矩阵为：

​

2 部分代码

function score = accuracy(true_labels, cluster_labels)

%ACCURACY Compute clustering accuracy using the true and cluster labels and

%   return the value in 'score'.

%

%   Input  : true_labels    : N-by-1 vector containing true labels

%            cluster_labels : N-by-1 vector containing cluster labels

%

%   Output : score          : clustering accuracy

% Compute the confusion matrix 'cmat', where

%   col index is for true label (CAT),

%   row index is for cluster label (CLS).

n = length(true_labels);

cat = spconvert([(1:n)' true_labels ones(n,1)]);     %spconvert作用是将外部文件转换成系数矩阵存储

cls = spconvert([(1:n)' cluster_labels ones(n,1)]);

cls = cls';

cmat = full(cls * cat);

%

% Calculate accuracy

%

[match, cost] = hungarian(-cmat);   %   调用hungarian

score = 100*(-cost/n);

3 运行结果

4 参考文献

[1]胡波. 基于极限学习机的脑电信号分类研究. Diss. 杭州电子科技大学.

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、雷达通信、无线传感器等多种领域的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。