重點研究了極限學(xué)習(xí)機ELM對行為識別檢測的效果。針對在線學(xué)習(xí)和行為分類上存在計算復(fù)雜性和時間消耗大的問題，提出了一種新的行為識別學(xué)習(xí)算法（ELM-Choleskv）。該算法首先引入了基于Cholesky分解求ELM的方法，接著依據(jù)在線學(xué)習(xí)期間核函數(shù)矩陣的更新特點，將分塊矩陣Cholesky分解算法用于ELM的在線求解，使三角因子矩陣實現(xiàn)在線更新，從而得出一種新的ELM-Cholesky在線學(xué)習(xí)算法。新算法充分利用了歷史訓(xùn)練數(shù)據(jù)，降低了計算的復(fù)雜性，提高了行為識別的準(zhǔn)確率。最后，在基準(zhǔn)數(shù)據(jù)庫上采用該算法進行了大量實驗，實驗結(jié)果表明了這種在線學(xué)習(xí)算法的有效性。