极限学习机的回归拟合及分类-对比试验研究

代码解释的很详细，可以直接用，已经测试过了，很好用。

function Y = elmpredict（PIWBLWTFTYPE）
% ELMPREDICT Simulate a Extreme Learning Machine
% Syntax
% Y = elmtrain（PIWBLWTFTYPE）
% Description
% Input
% P   - Input Matrix of Training Set  （R*Q）
% IW  - Input Weight Matrix （N*R）
% B   - Bias Matrix  （N*1）
% LW  - layer Weight Matrix （N*S）
% TF  - Transfer Function:
%       ‘sig‘ for Sigmoidal function （default）
%       ‘sin‘ for Sine function
%       ‘hardlim‘ for Hardlim function
% TYPE - Regression （0default） or Classification （1）
% Output
% Y   - Simulate Output Matrix （S*Q）
% Example
% Regression:
% [IWBLWTFTYPE] = elmtrain（PT20‘sig‘0）
% Y = elmtrain（PIWBLWTFTYPE）
% Classification
% [IWBLWTFTYPE] = elmtrain（PT20‘sig‘1）
% Y = elmtrain（PIWBLWTFTYPE）
% See also ELMTRAIN
% Yu Lei11-7-2010
% Copyright www.matlabsky.com
% $Revision:1.0 $
if nargin < 6
    error（‘ELM:Arguments‘‘Not enough input arguments.‘）;
end
% Calculate the layer Output Matrix H
Q = size（P2）;
BiasMatrix = repmat（B1Q）;
tempH = IW * P + BiasMatrix;
switch TF
    case ‘sig‘
        H = 1 ./ （1 + exp（-tempH））;
    case ‘sin‘
        H = sin（tempH）;
    case ‘hardlim‘
        H = hardlim（tempH）;
end
% Calculate the Simulate Output
Y = （H‘ * LW）‘;
if TYPE == 1
    temp_Y = zeros（size（Y））;
    for i = 1:size（Y2）
        [max_Yindex] = max（Y（:i））;
        temp_Y（indexi） = 1;
    end
    Y = vec2ind（temp_Y）; 
end
       
    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1454  2010-11-07 15:22  chapter30\elmpredict.m

     文件       1752  2010-11-07 15:23  chapter30\elmtrain.m

     文件       1105  2010-10-17 14:51  chapter30\iris_data.mat

     文件       4313  2010-11-30 21:12  chapter30\main.m

     文件     171497  2010-10-14 20:24  chapter30\spectra_data.mat

     目录          0  2018-08-06 14:30  chapter30

----------- ---------  ---------- -----  ----

               180121                    6