排序方式: 共有9条查询结果,搜索用时 20 毫秒
1
1.
随着智能手机功能的完善与强大,手机电池续航能力将成为一个很大挑战。针对市场上智能手机普遍存在耗电大,充电时间长等问题,提出如何让手机快速充电的电路设计应用方案,满足智能快速安全充电的功能,实现锂电池从涓流、恒流到恒压的整个充电过程。该电路的改进主要在于将智能手机的充电方式由电流控制改变为电压控制,同时确保激活过放电池,从而提高电池的续航能力,使智能手机达到快速充电的目的。 相似文献
2.
以大黄米、糯米、糯玉米淀粉为原料,通过快速黏度分析仪、流变仪、差示扫描量热仪以及低场强核磁研究不同添加量的(2%、6%和10%)麦芽糖对糯性谷物淀粉糊化和流变性质的影响。结果表明:麦芽糖能够提高3 种糯性谷物淀粉的成糊温度,显著降低3 种淀粉的峰值黏度、终值黏度和回生值;随着麦芽糖添加量的增加,3 种淀粉糊的剪切应力逐渐降低,稠度系数降低,体系仍为假塑性流体,相比于大黄米淀粉和糯米淀粉,10%的麦芽糖对糯玉米淀粉的影响更大,稠度系数由32.546 Pa·sn降至4.801 Pa·sn,剪切变稀现象更为明显;热力学研究显示添加麦芽糖均能增加3 种糯性谷物淀粉的糊化温度和糊化焓值,且随着麦芽糖添加量的增加而升高;通过低场强核磁分析可知,添加麦芽糖使整个体系结合水与不易流动水含量增加,自由水含量减少,进一步解释添加麦芽糖能够降低体系黏度,增加淀粉糊化温度;本研究可为麦芽糖在糯性谷物食品中的应用提供指导。 相似文献
3.
针对传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢以及聚类精度不够高等缺点,提出一种基于改进粒计算、粒度迭代搜索策略和优化适应度函数的新算法。该算法利用粒计算思想在有效粒子中选择K个密度大且距离较远的粒子,选择其中心点作为K个聚类初始中心点;并在对应的K个有效粒子中进行中心点更新,来减少迭代次数;采用类间距离和类内距离优化适应度函数来提高聚类的精度。实验结果表明:该算法在UCI多个标准数据集中测试,在有效缩短迭代次数的同时提高了算法聚类准确率。 相似文献
4.
针对传统K-medoids聚类算法对初始值敏感、中心点随机选择以及聚类精度不够高等缺点,在粒计算有效初始化的基础上,提出中心点宽度优先搜索策略. 首先,利用粒计算初始化获取K个有效粒子,遴选该K个粒子所对应的K个中心点作为K个初始中心点;然后,根据对象间的相似性分别对K个粒子中的对象建立以中心点为根节点的相似对象二叉树,通过宽度优先搜索遍历二叉树迭代出最优中心点, 同时采用簇间距离和簇内距离优化准则函数. 实验结果表明,所提算法在UCI中Iris和Wine标准数据集中测试,在有效缩短迭代次数的同时保证了算法聚类准确率. 相似文献
5.
本文结合单片机控制GSM TC35i模块,以短信或电话方式将报警情况第一时间通知主人,超过一定的时间,自动接通110报警。可以广泛应用到家庭的家居防盗、水电烟雾等报警系统中,实现无线监控和报警。 相似文献
6.
以吸油率为指标,大黄米淀粉为原料,采用复合酶法(α-淀粉酶和糖化酶)制备大黄米多孔淀粉。通过单因素实验与Box-Benhnken响应面试验优化大黄米多孔淀粉制备的工艺参数,并对原淀粉及大黄米多孔淀粉进行结构表征。结果表明,复合酶法制备大黄米多孔淀粉的最优工艺参数是:复合酶添加量1.2%,酶解温度56℃,酶解时间14 h,酶解pH 4.6,复合酶配比1∶4。在此条件下大黄米多孔淀粉的吸油率为(174.00±2.00)%。扫描电镜结果显示,形成多孔淀粉后,淀粉颗粒表面存在不均匀分布的孔洞及圆形凹陷,内部呈中空结构。粒度分布测试结果显示,多孔淀粉粒径均减小,淀粉颗粒分布均一度提高。X-射线衍射分析及傅里叶红外光谱表明,酶的水解作用不会改变大黄米淀粉的A型晶体结构及基本化学结构,相对结晶度和红外吸收峰均明显增加,淀粉颗粒内部有序程度提高。低温氮气吸附结果表明,复合酶酶解作用使大黄米淀粉的比表面积由13.9 m2/g增加至29.42 m2/g,孔径由4.143 nm增加至6.637 nm,孔容由14.81×10-3cm3... 相似文献
7.
在TD信号覆盖边缘,室内系统特殊场景,存在一定覆盖空洞、大区边缘和信号盲区现象,为确保通话的连续性,优化成熟的GSM网络系统可以弥补TD的不足,通过23G互操作机制选择使用户在TD覆盖边缘和掉话前期尽早切换至GSM系统,避免通话质量差、高掉话现象,提高客户运营商品牌效应。 相似文献
8.
针对传统K-medoids聚类算法对初始中心点敏感,以及迭代次数较高等缺点,提出一种可行的初始化方法和中心点搜索更新策略。新算法首先利用密度可达思想为数据集中每个对象建立一个稠密区域,遴选出[K]个密度大且距离较远的稠密区域,把对应的稠密区域的核心对象作为聚类算法的[K]个初始中心点;其次,把[K]个中心点搜索更新范围锁定在所选的[K]个有效稠密区域里。新算法在Iris、Wine、PId标准数据集中测试,获取了理想中心点和稠密区域,并且在较少的迭代次数内收敛到最优解或近似最优解。 相似文献
9.
1