摘要：在传统极限学习机（ELM）研究的基础上，考虑到传统ELM参数的不确定会导致整体分类精度下降，利用仿生鱼群算法（AF）对ELM的小波核参数和正则化参数进行寻优，并构造参数优化后的小波ELM影像分类模型（AF-ELM）。通过实验比较了该算法与人工神经网路（ANN）、支持向量机（SVM）、极限学习机（ELM）等标准分类器在遥感影像分类上的精度与速度差异，并且与ELM多项式核、RBF核分类算法进行比较分析，验证了AF-ELM在分类速度和精度上的优越性。实验结果表明，AF-ELM分类方法分类速度较快，精度较高，均优于其他分类方法。能较好地应用于遥感影像上各类地物要素的自动提取。

关键词：极限学习机 鱼群算法 影像分类 小波核函数 遥感影像 

单位：同济大学测绘与地理信息学院; 上海200092; 斯图加特大学航空航天与大地测量学院; 斯图加特70173-70619