河流水质实时评价技术对当前河流水资源管理和保护具有重要意义。本文以淮河水质为例，利用粒子群优化的极限学习机（Particle Swarm Optimization-Extreme Learning Machine，PSO-ELM）分类算法对淮河水质进行类别判定。在极限学习机（ELM）分类算法中随机给定输入权值矩阵和隐含层偏置，需要较多的隐含层节点才能达到所需的精度要求，隐含层节点过多易于出现过拟合现象并增加算法的计算量。本文利用粒子群算法(PSO)优化极限学习机的输入权值矩阵和隐含层偏置，计算输出权值矩阵，以减少隐含层节点。通过对比PSO-ELM、ELM这两种算法发现，PSO-ELM算法以较少的隐含层节点可获得更高的精度，降低了对实验样本的需求量，提高了模型的拟合能力。实验结果表明，PSO-ELM对于水质类别判定具有一定的可行性和有效性。

为了提高负荷短期预测的准确性和稳定性，提出了一种结合改进的灰狼优化（IGWO）和极限学习机（ELM）进行短期云计算资源负荷预测的模型。 改进的GWO算法用于搜索与ELM的预测性能密切相关的最佳ELM参数。 实验结果表明，IGWO-ELM模型可以准确地表征云计算资源短期负载的复杂趋势，并且与参考模型相比，可以有效地提高预测模型的准确性和稳定性。

利用极限核学习机预测，有数据，可以直接运行，在此基础上根据自己的数据直接修改，拟合效果好，可以在此基础上进行进一步粒子群优化，提高模型的适应度值

磁流体模拟软件BOUT++，用于托卡马克中的边界磁流体不稳定性的模拟，使用有限差分格式，使用C/C++编写，支持MPI大规模并行化。

ELM模型，可以使用，欢迎下载

极端学习机中选择隐节点的方法,先通过指数法增长,确定隐节点数的范围.再用区间折半搜索法确定最优隐节点个数.

遗传算法优化的ELM matlab源码 （亲测亲写）

通过这些资料学习，可以了解最新的一种ELM算法，这种算法在今后有很大的应用前景，非常不错

极限学习机的Matlab实现，包含训练集和数据集

很好的极限学习机实例，楼主亲测，可以运行实例