在长流程浮选过程中,生产指标难以在线检测,造成操作不及时,影响系统的稳定运行.本文提出了一种基于多源数据的铝土矿浮选过程生产指标集成建模方法.首先结合浮选机理和现场工人经验,分析影响和反映生产指标的多源数据(生产数据和泡沫图像特征数据);然后分别建立各生产指标预测子模型和同步误差补偿子模型;最后采用信息熵和智能协调策略分别构建精矿品位和尾矿品位的集成预测模型.工业验证和工况分析表明,本文集成建模方法具有良好的预测性能和较强的泛化性,为基于生产指标的浮选过程操作参数控制和全流程优化奠定基础.

在线ELM，OS-ELM;核极限学习机;BD-ELM;elm-ae;RES-ELM;SC-ELM等各种极限学习机matlab 代码

极限学习机的MATLAB代码，包括分类和回归的，还有对比实验

代码解释的很详细，可以直接用，已经测试过了，很好用。

在线顺序极限学习机，可以实现对大量数据的实时在线预测及其分类效果

极限学习机matlab程序。程序里包括样本训练、测试、精度、隐层神经元个数、激活函数选取。

这是一个在MATLAB上面可以运行的极限学习机算法实例，文件中，包含了多个极限学习机样例，ELM说白了就是另一种神经网络，其作用相似，效果又不同，比如其离散型更强等，建议直接修改接口，方便调试

极限学习机（Extreme Learning Machine, ELM）是一类基于前馈神经网络（feedforward neuron network）的机器学习算法，其主要特点是隐含层节点参数可以是随机或人为给定的且不需要调整，学习过程仅需计算输出权重。ELM具有学习效率高和泛化能力强的优点，被广泛应用于分类、回归、聚类、特征学习等问题中。

极限学习机的输入权重是随机生成的，这个因此每次的结果不一致。因此采用主成分分析，将原始数据降到N维（所设的隐含层节点数）。将得到的pca降维变换矩阵作为极限学习机的输入权重，效果更佳稳定

对ELM从命名开始说起，一直到公式原理的介绍一步步的带领掌握ELM.