Desarrollamos un nuevo método de estrategia óptima inteligente para una máquina de aprendizaje extrema local acoplada (LC-ELM). En este método, tanto los pesos y sesgos entre la capa de entrada y la capa oculta, como las direcciones y radios en los parámetros acoplados locales, se determinan y optimizan en base al algoritmo de optimización de enjambre de partículas (PSO). En comparación con la máquina de aprendizaje extrema (ELM), LC-ELM y la máquina de aprendizaje extrema basada en la optimización de partículas (PSO-ELM) que tienen el mismo tamaño de red o configuración de red compacta, los resultados de simulación en términos de problemas de referencia de regresión y clasificación muestran que el algoritmo propuesto, llamado LC-PSO-ELM, tiene un mejor rendimiento de generalización y robustez.