来源：期刊VIP网 时间：
作者：梁瑞悦;于海洋;陈纯毅;倪小龙;胡小娟;李延风;
单位：长春理工大学计算机科学技术学院;长春理工大学光电测控与光信息传输技术教育部重点实验室;
摘要：针对标签分布不平衡的轨道角动量（OAM）识别问题，提出了基于粒子群优化（PSO）算法的加权极限学习机（WELM）识别模型。该模型利用PSO算法对WELM的输入权重和偏置进行联合优化，提高了WELM的稳定性和鲁棒性。对比分析了PSO-WELM模型与支持向量机（SVM）、深度学习（DL）、反向传播人工神经网络（BP-ANN）模型的性能。实验结果表明：PSO-WELM模型在较弱湍流强度下能够完全正确识别少数类、多数类OAM光束；在中等湍流强度下，PSO-WELM模型的各项评价指标值均优于对比方法，证明了该模型在识别不平衡状态OAM光束方面具有可行性和有效性。
关键词：不平衡数据;;轨道角动量;;机器学习;;粒子群优化算法;;极限学习机
基金资助：国家自然科学基金项目（62305030）资助;; 吉林省科技发展计划项目（20240602123RC）资助
