如果仅使用传统的Elman神经网络来处理小样本，则针对具有高维数和少量特征的小样本将引起严重的问题。 这些问题包括学习能力差，冗余结构和培训不完整； 这些缺陷将导致较低的工作效率和较差的识别精度。 本文结合偏最小二乘理论和遗传算法，结合Elman神经网络的本质，提出了一种基于PLS和GA的优化Elman神经网络分类算法（PLS-GA-Elman ） 成立。 新算法通过PLS减小了小样本的特征维，获得了相对理想的低维数据，目的是减少神经网络的输入并简化其结构。 利用遗传算法优化连接权重，阈值和隐藏