极限学习机和自适应稀疏表示算法 （EA-SRC）（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

文献来源：

最近的研究表明，极限学习机（ELM）的速度优势和稀疏表示分类（SRC）在图像分类领域的精度优势。然而，这两种方法都有各自的缺点，例如，一般来说，已知ELM对噪声的鲁棒性较差，而SRC已知非常耗时。因此，ELM和SRC在计算复杂性和分类准确性方面相辅相成。为了统一这种互补性，从而进一步提升分类性能，本文提出了一种高效的混合分类器，以利用ELM和SRC的优势。更准确地说，所提出的分类器包括两个阶段：首先，通过监督学习训练ELM网络。其次，采用关于所得ELM输出可靠性的判别性判别准则来判断查询图像是否可以正确分类;如果输出可靠，则分类将由ELM执行;否则，查询图像将被馈送到 SRC。同时，在SRC阶段，通过ELM输出提取自适应于查询图像而不是整个字典的子字典。因此可以减轻SRC的计算负担。在手写数字分类、地标识别和人脸识别方面的大量实验表明，所提出的混合分类器在分类精度方面优于ELM和SRC，具有出色的计算效率。 

📚2 运行结果

 部分代码：

clear;clc;
addpath(genpath('./.'));
rng('default');

%%%%%%%%%-----load data--------------------------------------------------

[traindata,trainlabel,testdata,testlabel] = sinc_Huang;
%%%%%%%-----------setting------------------------------------------------

nn.hiddensize     = 100;
nn.inputsize      = size(traindata,1);
nn.activefunction = 's';
method            = {'ELM','RELM'};
nn.type           =  'regression';
%%%%%%%-----------initializzation-----------------------------------------
nn                = elm_initialization(nn);

fprintf('      method      |    Optimal C    |  Training Acc.  |    Testing Acc.   |   Training Time \n');
fprintf('--------------------------------------------------------------------------------------------\n');

%--------ELM-----------------
nn.method         = method{1};
[nn, acc_train]   = elm_train(traindata, trainlabel, nn);
[nn1, acc_test]   = elm_test(testdata, testlabel, nn);

fprintf('      %6s      |     %.5f     |      %.3f      |      %.5f      |      %.5f      \n',nn.method,nn.C_opt,acc_train,acc_test,nn.time_train);

%--------RELM-LOO-----------
nn.method         = method{2};
nn.C              = exp(-8:0.2:6);
[nn, acc_train]   = elm_train(traindata, trainlabel, nn);
[nn2, acc_test]   = elm_test(testdata, testlabel, nn);

fprintf('      %6s      |     %.5f     |      %.3f      |      %.5f      |      %.5f      \n',nn.method,nn.C_opt,acc_train,acc_test,nn.time_train);

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

J. Cao, K. Zhang, M. Luo, C. Yin and X. Lai, Extreme learning machine and adaptive sparse representation for image classification, Neural networks (2016), http://dx.doi.org/10.1016/j.neunet.2016.06.001

🌈4 Matlab代码实现