ELM 的快速响应 + SRC 的高精度，这个组合确实蛮有意思。混合方法把两者打包到一个框架里，跑起来速度不赖，准确率还挺能打——在 AR 人脸识别上能干到 95%。ELM 的优势是快，SRC 擅长精细识别，两边都想要？这个方案正合适。
极限学习机（ELM）的训练方式是随机设定隐藏层参数，只求解输出层权重，搞定！所以训练飞快。而SRC（稀疏表示分类）讲究的是通过少量特征代表全局信息，细节识别强。
这个项目改进了文献里的版本，引入了 ELM 的错误度量 和 自适应类选择，简单讲就是分类错的少了，选的参考样本更聪明。结果也摆在那里——比原始 ELM 高出 4%，比 SRC 也强了一点点。
如果你做图像分类，尤其是人脸识别，想找个Matlab版本的实战代码，这个蛮适合拿来跑跑。代码结构清晰，适合改造。比如你要搞点特征融合或者试试其他距离度量，都比较容易动手。
哦对了，网上还有不少关联资源一起参考下：
如果你对 ELM 感兴趣，又想提升识别率，可以尝试加上 SRC 的思路。要是手头正好是 Matlab 环境，那就更方便了，直接上手。