基于极限学习机自编码器(extreme　learning　machine　based　autoencoder,　ELM-AE)和误差反向传播(back　propagation,　BP)算法，针对ELM提出了一种改进的特征表示方法。首先，使用ELM-AE以无监督的方式学习紧凑的特征表示，即ELM-AE输出权重；其次，利用ELM-AE输出权重来初始化BP神经网络的输入权重，然后对BP网络进行监督训练；最后，用微调的BP网络输入权重初始化ELM的输入权重参数。在MNIST数据集上的实验结果表明，采用BP算法对ELM-AE学习的参数进行约束，可以得到更紧凑且具有判别性的特征表示，有助于提高ELM的性能。