排序方式: 共有47条查询结果,搜索用时 0 毫秒
1.
通过对企业信息集成的业务进行分析,选择基于J2EE的B/S应用架构,采用Struts+Spring+Hibernate技术,利用该技术建立的企业信息集成平台具有全面的开放性、可维护性和可扩充性。本文首先给出系统的框架,其次对系统各个功能的设计和实现进行详细的介绍,然后对系统出错处理机制进行分析,最后给出系统实现的关键技术。 相似文献
2.
3.
实验以模糊数学理论为指导,构建了叉烧包的感官评价体系。采用模糊二元对比决策和专家咨询法,排序优选出具有代表性指标并确定其权重分配,采用百分制建立叉烧包的感官评价体系;将新建的感官评价体系应用于面团三种不同的发酵时间制作的叉烧包。结果表明:排序优选出8个重要的感官指标包括形状、色泽、表皮光滑程度、内部组织结构、气味、滋味、粘牙性和弹性;并确定其权重分配,形状、色泽、表皮光滑程度、滋味和内部组织结构权重均为0.15,粘牙性和弹性均为0.10,气味为0.05;感官评分表明:面团发酵6h制作的叉烧包色泽和表皮光滑程度评分最高,面团发酵8h制作的叉烧包总分和形状评分最高;面团发酵8h和10h制作的叉烧包内部组织结构、滋味和粘牙性评分较高。因此运用模糊数学建立的感官评价体系能清晰区分出叉烧包各感官指标优劣程度,并且能进行数量化。 相似文献
4.
基于并联机器人机构学理论,对Delta机器人机构进行位置分析,建立Delta机器人运动学逆解模型,并通过几何法求得Delta机器人运动学正解。在运动学正解的基础上,分析了Delta机器人的工作空间,并利用MATLAB的计算与绘图功能,画出Delta机器人的工作空间,为Delta机器人的应用提供了重要参考依据。 相似文献
5.
为获得能够积极吸热的TPU中空纤维,选用TPU和Cs0.33WO3粉的复合溶液为外部溶液,去离子水为内部溶液及凝固浴,利用同轴微流控纺丝装置,制备出具有优异近红外吸收性能的TPU/Cs复合中空纤维.实验结果表明,Cs0.33WO3粉能够均匀地分散在TPU中空纤维中,并使得TPU中空纤维的近红外透过率从80%降低到15%... 相似文献
6.
7.
分析了胜利油田孤六老化原油中铁的存在形态,实验考察了聚天冬氨酸(PASP)和老化原油中含铁组分的螯合效果。结果表明,胜利油田孤六老化原油中的铁主要以油溶性有机酸铁和络合铁的形式存在,其中有机酸铁50.01%、络合铁39.11%。水含率50%的老化原油乳状液在破乳温度60℃、破乳剂BSE-238质量浓度100 mg/L、PASP与乙酸1∶1复配且总质量浓度为200 mg/L、螯合剂作用时间20 min时,脱水和脱铁效果最佳;与不加螯合剂相比,脱水率从70.00%增加到8550%,脱铁率从2.84%增加到29.26%,降低了老化原油的破乳处理难度,减轻了炼油厂电脱盐的压力。 相似文献
8.
目的 构建一种简便、快速、可降低非特异性荧光干扰的时间分辨免疫层析检测方法,实现快速检测扇贝中原肌球蛋白(tropomyosin,TM)过敏原。方法 本研究采用双抗体夹心免疫层析法,以含有铕(Eu)纳米微粒的荧光微球作为标签偶联兔抗TM多克隆抗体,制备荧光探针并对其进行表征。以4 mg/mL兔多克隆抗体作为T线,羊抗兔免疫球蛋白G (immunoglobulin g,IgG)作为C线组装免疫层析试纸条。结果 本研究组建的试纸条视觉检出限为0.05μg/mL,仪器检出限为0.01μg/mL。试纸条除对虾蟹有交叉反应外,对其他10余种物种无明显交叉反应。加标样品批内和批间变异系数分别为3.71%~7.94%和12.09%~12.80%,在不含TM的4种食物基质中加入浓度由低到高的TM,检测结果与实际加标情况相符。结论 本检测方法准确性良好、灵敏度高、特异性强,可在多种食物基质中实现对扇贝TM的快速检测。 相似文献
9.
10.
目前多数文本分类方法无法有效反映句子中不同单词的重要程度,且在神经网络训练过程中获得的词向量忽略了汉字本身的结构信息。构建一种GRU-ATT-Capsule混合模型,并结合CW2Vec模型训练中文词向量。对文本数据进行预处理,使用传统的词向量方法训练的词向量作为模型的第1种输入,通过CW2Vec模型训练得到的包含汉字笔画特征的中文词向量作为第2种输入,完成文本表示。利用门控循环单元分别提取2种不同输入的上下文特征并结合注意力机制学习文本中单词的重要性,将2种不同输入提取出的上下文特征进行融合,通过胶囊网络学习文本局部与全局之间的关系特征实现文本分类。在搜狗新闻数据集上的实验结果表明,GRU-ATT-Capsule混合模型相比TextCNN、BiGRU-ATT模型在测试集分类准确率上分别提高2.35和4.70个百分点,融合笔画特征的双通道输入混合模型相比单通道输入混合模型在测试集分类准确率上提高0.45个百分点,证明了GRU-ATT-Capsule混合模型能有效提取包括汉字结构在内的更多文本特征,提升文本分类效果。 相似文献