极限学习机（ELM）是一种有用的机器学习技术。 但是，现有的极限学习机方法不能很好地利用几何结构信息或不能很好地区分数据空间信息。 因此，我们提出了一种基于流形学习的全局局部性最大方差极限学习机（GLELM）。 基于传统ELM方法的特征，GLELM将线性判别分析（LDA）和局部保存投影（LPP）的基本原理引入到ELM中，同时充分考虑了样本中包含的判别信息。 该方法可以保留数据的全局和局部流形结构，以优化分类器的投影方向。 在几个广泛使用的图像数据库和UCI数据集上进行的实验验证了GLELM的性能