一种三相线电压级联单位功率因数整流器负载不均衡特性分析及电压均衡控制策略

该文对一种由三个三相单开关整流器线电压级联构成的三相单位功率因数整流器的负载不均衡特性和输出电压均衡控制策略进行分析和研究,首先详细阐述此类整流器在三个直流侧负载不均衡时,交流输入端电流能自动保持均衡的独特特性及相应工作机理;然后研究系统整体分层控制策略。在传统的基于电压外环PI控制、电流内环PR控制的上层控制基础上,针对各整流模块参数不一致及负载功率不一致引起的各模块输出电压不均衡问题,通过加入偏差因子调制波补偿的底层控制,实现了对每个模块输出功率的独立调节,进而实现了各整流模块输出电压的均衡控制。仿真和实验结果验证了所研究拓扑结构的优越性和控制策略的可行性。

不均衡小样本下多特征优化选择的生命体触电故障识别方法

针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时域上提取能够反映波形动态变化特性的23个特征量,并利用高斯核Fisher判别分析(GKFDA)与最大信息系数(MIC)法从中选择最优表达特征组;最后,提出基于遗忘因子的在线顺序极限学习机(FOS-ELM)算法实现生命体触电行为的鉴别。实验结果表明,所提方法利用不均衡小样本触电数据集就可以训练出一个优秀的分类模型,诊断准确率可达98.75%,诊断时间仅为1.33 ms。其优良的性能结合在线增量式学习分类器设计,使得模型具备新知识学习能力,具有极好的工程应用前景。

基于列线图建立儿童双眼屈光不均衡的风险因素模型及应用价值探讨

目的探讨儿童双眼屈光不均衡的风险因素。方法回顾性分析2020年1月—2022年12月在江苏大学附属医院眼科接受视力检查的156例儿童的临床资料,根据检查结果分为屈光正常组82例和屈光不均衡组74例。收集两组儿童的性别、年龄、体质量指数、睡眠时间、用眼时间、阅读距离、眼部家族病史等资料;采用眼科光学生物测量仪和角膜地形图仪等仪器检测两组儿童的视力测试指标,包括眼压、角膜前表面平均屈光力、等效球镜度、眼轴长度、瞳孔直径、功能性光学区、球差和彗差;采用多因素Logistic回归模型分析筛选儿童双眼屈光不均衡的风险因素,构建列线图预测模型,并评价模型的拟合效果。结果屈光不均衡组儿童的用眼时间更长(P<0.05),眼部疾病家族史比例、双眼眼压、屈光力、等效球镜度、眼轴长度和瞳孔直径的差值及高阶像差均高于屈光正常组(P<0.05),而每日睡眠时间、阅读距离和功能性光学区均低于屈光正常组(P<0.05)。多因素Logistic回归分析结果显示,眼部家族病史[OR=13.523(95%CI:3.358,54.461)]、睡眠时间[OR=0.064(95%CI:0.023,0.179)]、用眼时间[OR=21.424(95%CI:6.121,74.983)]、阅读距离[OR=0.087(95%CI:0.036,0.211)]、眼压差值[OR=86.960(95%CI:14.687,514.897)]、角膜屈光力差值[OR=1.736(95%CI:1.043,2.890)]、等效球镜度差值[OR=12.937(95%CI:4.300,38.925)]、眼轴长度差值[OR=29.077(95%CI:10.166,83.170)]、瞳孔直径差值[OR=14.179(95%CI:4.880,41.198)]、功能性光学区差值[OR=0.495(95%CI:0.291,0.844)]、球差[OR=68.843(95%CI:16.304,290.687)]、彗差[OR=2.085(95%CI:1.007,4.318)]均是儿童双眼不均衡的风险因素(P<0.05)。结论儿童的用眼习惯和眼部检测指标均是影响其双眼屈光不均衡的重要因素,针对这些因素可以及时采取干预措施,防止儿童屈光异常的发生。

碳化硅MOSFET并联电流分配不均衡影响因素与抑制方法综述

碳化硅MOSFET凭借其高压、高温和高频等优异性能逐渐在工业中得到应用,然而碳化硅MOSFET并联电流分配不均衡问题限制了其性能发挥,并增加失效风险。为了充分发挥碳化硅MOSFET的性能优势,本文首先从芯片参数、功率回路参数和驱动回路参数3个方面阐述并联电流分配不均衡影响因素,然后综述了近年来国内外抑制并联不均衡电流的研究成果,对电流不均衡抑制方法从电流均衡种类、扩展难度、集成难度和经济成本四个维度进行了综合比较分析。最后,根据现有研究不足与面临挑战,本文对碳化硅MOSFET并联电流分配不均衡抑制方法进行展望。

马克思主义收入分配理论解决收入不均衡问题研究

改革开放特别是党的十八大以来我国居民收入水平大幅提高,但是仍存在发展不充分和收入不均衡的问题。收入分配方面出现的不均衡,降低了群众的获得感、幸福感和安全感,同时影响了高质量发展目标的实现,并阻碍了共同富裕的进程。因此,改革分配制度是当前社会发展过程中亟须解决的重要问题,我国收入分配制度的改革必须以马克思主义收入分配理论为指导。马克思主义收入分配理论主要探讨了收入分配的决定因素和来源、资本主义的剥削问题、社会总产品的分配原则、收入分配的尺度与标准以及共产主义社会收入分配的设想等,处处彰显收入分配的公平正义价值追求。深入理解并运用马克思主义收入分配理论,建构以人民为中心、以共同富裕为目的的分配制度,是解决收入分配不均衡问题的重要途径。

数据集不均衡下的机电设备工作状态自动化控制系统

为改善系统控制效果,该文设计数据集不均衡下的机电设备工作状态自动化控制系统。构建机电设备工作状态自动化控制系统框架,利用CAN总线网络将其传输至控制层后,数据处理模块调用SMOTE算法对获取的机电设备工作状态数据作重构处理,控制模块的CAN控制器根据电路开关状态实现机电设备状态的转换后,采用PID控制算法并引入人工智能技术实现机电设备工作状态自动化控制。实验结果表明,该系统可实现机电设备工作状态自动化控制,控制时间短,控制后的机电设备运行电流曲线与正常工况下基本一致,控制误差介于(0.01,0.02)区间。

上海轨道交通客流不均衡特征分析

文章立足于上海轨道交通大客流管理的实际情况,以客流的宏观特性和微观特性为切入点,研究了客流不均衡的主要区段和产生原因,并对某连续三年进出站客流和重点车站客流增长的数据进行了分析,对缓解客流不均衡的可行性进行了论证。研究发现,高峰时段的前后邻近时间段内存在较大的满载率和运力余量,采取弹性票价、换乘引导等措施将客流不均衡区段进行转移在理论上是可行的。

基于数据不均衡的CART决策树用电异常检测方法

针对现有的用户用电行为数据量庞大,且正负样本不均衡从而导致用电异常检测准确率低的问题,通过合成少数类过采样技术算法增加样本数据,构建正负样本相对均衡的数据集。然后,通过分类回归树决策树模型对重平衡后的样本数据集进行特征提取,从而获得分类结果并对其进行可视化,通过五折交叉验证对该算法进行仿真实现,分析模型的可靠性及稳定性。结果表明,提出的方法提高了用户用电行为异常检测准确率,有效消除了数据不均衡对异常检测准确率的影响。

逐层Transformer在类别不均衡数据的应用

为解决临床医学量表数据类别不均衡容易对模型产生影响,以及在处理量表数据任务时深度学习框架性能难以媲美传统机器学习方法问题,提出了一种基于级联欠采样的Transformer网络模型(layer by layer Transformer,LLT)。LLT通过级联欠采样方法对多数类数据逐层删减,实现数据类别平衡,降低数据类别不均衡对分类器的影响,并利用注意力机制对输入数据的特征进行相关性评估实现特征选择,细化特征提取能力,改善模型性能。采用类风湿关节炎(RA)数据作为测试样本,实验证明,在不改变样本分布的情况下,提出的级联欠采样方法对少数类别的识别率增加了6.1%,与常用的NEARMISS和ADASYN相比,分别高出1.4%和10.4%;LLT在RA量表数据的准确率和F 1-score指标上达到了72.6%和71.5%,AUC值为0.89,mAP值为0.79,性能超过目前RF、XGBoost和GBDT等主流量表数据分类模型。最后对模型过程进行可视化,分析了影响RA的特征,对RA临床诊断具有较好的指导意义。

样本不均衡时轴承故障的非平衡卷积网络诊断

为了提高样本不均衡条件下轴承故障诊断精度,提出了基于VAE-SNN的样本增广方法和基于非平衡损失网络的故障诊断方法。首先,使用变分自编码器用于数据生成,并依据孪生神经网络对生成数据的类别进行判定,实现了基于变分自编码器和孪生神经网络的样本增广;其次,分析了卷积神经网络无差别对待样本的缺点,针对不均衡样本的特殊性,提出了非平衡损失函数卷积网络,该网络能够自动关注数量少、难分的样本训练。经实验验证,生成对抗网络增广的样本相似度为0.847,孪生神经网络增广的样本相似度比对抗网络提高了6.61%,说明孪生神经网络的样本增广效果更好;在相同诊断方法前提下,样本增广后比增广前的准确率提高了9.42%,说明样本增广有利于提高轴承的故障诊断准确率;非均衡损失网络比卷积神经网络的诊断精度提高了7.17%,比自适应深度学习提高了4.12%,验证了非均衡损失网络的高准确率和优越性。

我国绿色矿山建设水平不均衡性分析及对策建议

这是一篇矿业工程领域的论文。绿色矿山建设是促进我国矿业绿色转型升级的重要手段,也是我国矿产资源领域践行生态文明理念的主要活动之一。通过梳理分析绿色矿山发展历程,将我国绿色矿山建设发展历程分为思想萌芽、探索发展和全面实施三个阶段,并系统总结了在绿色矿山、绿色矿业发展示范区、绿色矿山相关产业政策以及在经济、社会和生态效益等四个方面的建设成效,重点分析了我国绿色矿山建设在绿色矿山系统科学概念与片面理解认知、现有建设格局与矿产资源禀赋特征、生态文明建设的需求与矿山创建动力和标准体系、考评机制与矿产资源国情之间的不均衡性。最后,在绿色矿山理论、顶层设计、标准体系、常态化监督管理等方面提出了我国绿色矿山建设的对策建议,以期对我国绿色矿山建设高质量发展提供参考。

生产要素流动、经济增长与城市发展不均衡问题研究——以深圳、珠海和汕头三个广东省经济特区为例

1980—1981年,中央在广东省设立了深圳、珠海和汕头三个经济特区,给予特区一揽子税收优惠政策。在特区成立的前20年,深圳和珠海吸引了大量资本与劳动力涌入,经济迅速腾飞,拉开了与汕头特区之间的距离。最近10年,三个特区的经济总量迥异,但增长速度高度趋同。本文将2012—2021年三个特区统计年鉴相关数据整理为面板数据,以增长速度为因变量,根据豪斯曼检验采用时间固定效应模型回归,拟合效果不良,逐将各特区经济总量(GDP)作为因变量,根据豪斯曼检验采用个体固定效应模型,回归结果显示资本与技术要素流动对三个特区经济总量有显著影响。结合三个特区各自的特点,本文对三个特区经济发展提出了成立特别合作区、完善交通、培育数据要素市场等相应对策。

不均衡小样本下的病理性近视自动检测

目的:探索不均衡小样本的眼底彩照病理性近视自动检测方法,使得深度学习模型能在病例量较小且分布不均衡的情况下取得同样有效的结果,推动深度学习方法在中小规模眼科临床中的应用。方法:选取南京医科大学附属逸夫医院眼科中心门诊的466只近视眼底彩照作为小样本病例数据,以目前最新的TNT神经网络模型(Transformer-iN-Transformer)作为基准,采用对不均衡小样本病例数据进行数据增强的方法,建立小样本的眼底彩照病理性近视自动检测模型,并与传统的大规模训练模型性能进行对比。结果:合理的数据增强方法能为基准模型带来显著的性能提升,最终建立的眼底彩照病理性近视自动检测模型在不均衡小样本上的准确率为(98.09±0.89)%,敏感性为(93.33±6.09)%,特异性为(88.14±7.92)%,AUC值为0.99,达到了传统大规模训练模型的性能。结论:在病例量较小且分布不均衡的情况下,合理的数据增强方法能显著改善深度学习模型的性能,对病理性近视检测具有与大规模训练模型同等的准确率、敏感性和特异性,这些结果将有助于进一步推广对病理性近视的自动筛查,并在随后保护患者免受由病理性近视眼底病变引起的低视力和失明。

基于改进KNN的不均衡信息文本分类算法

针对常规文本分类算法存在文本特征提取不全面的问题,提出基于改进K近邻(K-Nearest Neighbor,KNN)的不均衡信息文本分类算法。首先,通过文本分词与去停用词两个步骤,对不均衡信息文本进行预处理,避免无用数据对分类结果产生干扰。其次,利用互信息特征提取方法,提取不均衡信息文本特征,获取文本特征词与类别之间的相关程度。最后,利用改进KNN原理对待测不均衡信息文本数据进行邻近聚类,设计文本分类算法。实验结果表明,该算法的分类查准率始终在98%以上,优于对照组。

基本养老保险政策区域不均衡研究

由于政策规定和执行均存在差异,我国基本养老保险政策区域不均衡显著。文章分别采用广义熵、阿特金森指数和基尼系数测量顶部、底部和中部不均衡,先考察基本养老保险政策的省内、省际不均衡,再采用PSM-DID和准合成控制法识别2016年阶段性降费率政策对区域不均衡的影响。研究发现:全国省内不均衡程度,贵州最低,福建顶部和中部较高、辽宁底部较高。2008-2017年全国顶部、底部和中部省内不均衡总体下降,其中天津降幅最大,但还有约三分之一的省未下降,且2016年阶段性降费率政策加剧省内不均衡,尤其是底部不均衡;2008-2017年全国顶部、底部和中部省际不均衡总体下降,2016年阶段性降费率政策减弱省际不均衡,尤其是底部不均衡。

基因组内碱基分布整体均衡与局部不均衡的研究进展

近年来 ,随着各种基因组计划的相继完成 ,发现在各种生物体单核苷酸链水平上存在着A≌T ,G≌C的数量关系 ,但从几千个至十几万个碱基的范围来看 ,A≠T ,G≠C。从数学上可以证明 ,如果DNA双链之间碱基的突变率一致 ,则A≌T ,G≌C成立 ,但很多实验表明 ,双链之间的突变率并不一致 ,因此这个问题的解决仍有赖于数理科学和生物学的进一步结合。

类不均衡的半监督高斯过程分类算法

针对传统的监督学习方法难以解决真实数据集标记信息少、训练样本集中存在类不均衡的问题,提出了类不均衡的半监督高斯过程分类算法。算法引入自训练的半监督学习思想,结合高斯过程分类算法计算后验概率,向未标记数据中注入类标记以获得更多准确可信的标记数据,使得训练样本的类分布相对平衡,分类器自适应优化以获得较好的分类效果。实验结果表明,在类不均衡的训练样本及标记信息过少的情况下,该算法通过自训练分类器获得了有效标记,使分类精度得到了有效提高,为解决类不均衡数据分类提供了一个新的思路。

塔里木河流域人口-经济分布不均衡特征分析

不均衡性是人口与经济分布最基本的属性,不均衡性过大影响区域经济的协调发展。文章利用地理联系率、Pearson相关系数、基尼系数和崔王指数分析了塔里木河流域人口-经济分布不均衡的时间特征;采用重心模型和人均GDP空间分异特征探讨了人口-经济分布不均衡的空间格局。结果表明:(1)改革开放以来,塔河流域的人口、经济分布匹配程度不断减弱,不均衡特征逐渐显著,区域经济差异已超出警戒线的范围。(2)在空间格局上,经济重心显著向东北方向集中,人口重心基本不变;人口、经济重心转移使和田、喀什、克孜勒苏柯尔克孜自治州三地州逐渐成为贫困人口集聚区,巴音郭楞蒙古自治州的库尔勒市成为经济极化中心。依据增长极理论,塔河流域经济极化中心较单一,增长体系不完善,未来需培育新的极化中心。

基于流形学习的单类分类算法及其在不均衡声目标识别中的应用

针对数据不均衡条件下的目标识别性能下降问题,首先讨论了目标声信号所包含低维流形的特点,在此基础上设计了基于流形学习的单类分类算法,通过比较测试样本与正类样本在流形上的符合程度判决其是否属于正类。将此分类算法应用于包含不均衡数据的声目标识别,三组不同环境和识别目标的实验数据集测试结果显示该算法可以有效地从多种目标中识别特定类别目标,与其他单类分类算法相比,提高数据不均衡条件下的识别性能,并对样本的混叠分布具有较好的鲁棒性。

样本不均衡条件下基于自调整支持向量机的故障诊断

故障数据样本和正常运行数据样本量的不均衡将导致支持向量机在构建故障分类超平面时发生偏移,降低了基于支持向量机的故障诊断的诊断准确率.针对该问题,文中提出一种能够自动调整风险惩罚因子的新型支持向量机.该方法能够自举式地对有效样本进行挑选,并加大高信息量数据样本的风险惩罚因子,抑制样本不均衡导致的分类超平面偏移,进而提高故障诊断的准确性.所提方法被用于变压器故障诊断实验,实验过程中正负样本的风险损失始终相等,有效地抑制了样本不均衡现象对诊断造成的影响,验证了所提算法的有效性.