利用极限学习机ELM的数据可视化方法

　　提出一种利用极限学习机ELM的数据可视化方法，该方法利用多维尺度分析MDS、Pearson相关性、Spearman相关性代替常用的均方误差MSE实现高维数据投影到2维平面的数据可视化。将所提方法与近期流行的随机邻域嵌入SNE及其改进的t-SNE方法对比，并通过局部连续元准则I．CMC进行质量评测。结果表明：该方法的数据可视化结果及计算性能明显优于SNE及t-SNE方法；而在提出的三种学习规则中，基于MDS的学习规则效果最好。