排序方式: 共有30条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
为了探究秋刀鱼(Cololabis saira)肉中生物胺产生菌的产胺特性,有效控制生物胺含量,采用改良的Niven's生物胺筛选培养基,通过16S rDNA序列分析和VITEK 2 Compact System,对秋刀鱼肉中产胺菌进行分离鉴定,分析不同温度(4、25℃)条件下产胺菌的产胺能力及生物胺含量变化。结果显示,从秋刀鱼肉中分离鉴定的14株产胺菌分别为摩氏摩根菌、产酸克雷伯菌、阿氏肠杆菌、弗氏柠檬酸杆菌、植生拉乌尔菌、抗坏血酸克吕沃尔菌、粘质沙雷菌、日沟维肠杆菌、肠杆菌属、变性杆菌属、中间克吕沃尔菌、彭氏变形杆菌、拉氏普罗威登斯菌、蜂窝哈夫尼亚菌;在4℃条件下,所有产胺菌产胺能力均较弱(11.55~244.75 mg/L);在25℃条件下,产酸克雷伯菌、肠杆菌属的产组胺能力较强,分别为9 889.75,2 891.15 mg/L。结果提示,可通过抑制产酸克雷伯菌、肠杆菌属生长控制秋刀鱼肉中组胺等生物胺的含量。 相似文献
6.
水体对光有较强的吸收和散射作用,从而造成水下图像颜色失真、对比度下降和细节模糊等问题.针对上述问题,基于图像融合框架提出一种水下图像清晰化方案.首先,结合水下成像模型,提出了基于景深估计的颜色校正方法,其可以有效去除水下图像的蓝(绿)色基调,同时有效解决红通道过补偿问题.然后,对水下图像进行颜色校正和对比度增强得到两幅输入图像;最后,结合亮度、对比度、饱和度、显著性等特征构造权重图将两输入图进行多尺度融合,得到最后的复原图像.实验结果表明,该算法可以有效地去除水下图像颜色失真,同时能够大幅提升图像的对比度和清晰度. 相似文献
7.
为了从多个维度对比直圆连接路段回旋线与K型线的差异,分析对比K型线与回旋线在横向运动、侧倾运动和横摆运动3个自由度下的动力学差异,验证K型线作为缓和曲线的可行性的同时,研究分析车辆在基于K型线的直圆连接路段上的行车稳定性。利用K型线航向角特点,从微分和解析几何角度分析验证K型线和回旋线的曲率及曲率变化率状态。利用动力学软件CarSim对5种基于不同设计速度建立的道路模型进行仿真模拟,选取车辆横向加速度、车辆侧倾角、车辆横摆角及车辆方向盘转角4个指标作为评价依据,分析车辆在由2种不同缓和曲线连接的直圆连接路段上行驶时,其行车稳定性、驾驶人舒适性的状态差异。采用熵值法对各指标进行赋权,综合比较由K型线和回旋线连接的直圆路段的优劣。研究结果表明:K型线具有曲率及曲率变化率连续的优点;在设计指标相同条件下,K型线上车辆的各维度稳定参数均满足现有《公路路线设计规范》(JTG D20—2017)要求,且优于回旋线;随着设计速度的减小,K型线与回旋线之间的差异愈加明显,K型线在行车稳定性和舒适性方面的优势愈显著;在设计速度相同的前提下,K型线在驾驶稳定性、驾驶人行车舒适性方面整体优于回旋线;在设计速... 相似文献
8.
在湿地生态系统氮循环过程中,湿地土壤养分供给状况及可利用水平与氮素含量存在直接关系。本研究以贵州草海湿地自然演替下植物群落表层土壤氮素含量作为研究对象,探讨四种典型湿地植物群落(牛筋草、李氏禾、香薷和芦苇)土壤中硝态氮、铵态氮、速效氮和全氮含量以及不同土壤团聚体粒径下湿地土壤氮素的空间分布特征。结果表明:(1)各植物群落土壤阳离子交换量与全氮含量分布趋势基本一致,其中芦苇群落土壤中阳离子交换量、速效氮和全氮含量最高;(2)各植物群落不同粒径土壤团聚体AN和TN含量均无显著差异(p>0.05);芦苇群落土壤硝态氮含量在各粒径土壤团聚体中含量均低于其他植物群落;李氏禾群落土壤氨态氮含量在不同粒径土壤团聚体中存在显著差异(p<0.05)。植物群落表层土壤氮素含量分布受植物种类及自身凋落物、降雨量和地势、微生物活动和有机质等因素的影响,土壤硝化作用受到抑制或促进,各植物群落铵态氮和硝态氮含量分布有显著差异(p<0.05)。 相似文献
9.
针对同种同规格货物的三维装车问题,基于分层思想,将三维装车问题进行降维,转化为二维布局优化问题,提出九种分层装车策略,在算法设计上,提出了两阶段优化算法,第一阶段沿车厢的长、宽或高进行分层,针对不同的层高,通过动态规划算法求解平面内的最大货物装载量,得到货物的最优布局;第二阶段结合背包算法对层进行组合,得到车厢每个维度下的最优层,最后择优选取可装货物数量最多的方案,即为最优装载方案;最后通过两个数据集共8个算例对算法进行测试。结果表明,对于数据集一来说,本文算法求得的平均装载率可达99.43%,优于带排列分层算法、动态规划算法,以及混合递归算法求得的平均装载率;而对于数据集二来说,本文算法求得的平均装载率也达到了96.11%,优于二维排列算法,说明本文提出的两阶段优化算法在一定程度上可以生成较好的装载方案。 相似文献
10.
迁移学习专注于解决监督学习在小数据集上难以获得好的分类效果的问题,与传统监督学习的基本假设相比,它并不要求训练集和测试集服从相同或相似的数据分布。通过在标注资源丰富的源语言中学习,并将目标语言的文档投影到与源语言相同的特征空间中去,从而解决目标语言因数据量较小而难以获得好的分类模型的问题。选择亚马逊在书籍、DVD和音乐类目下的中文、英文和日文评论作为实验数据,情感分析作为研究任务,提出了一种新的跨语言深度表示学习模型(cross lingual deep representation learning,CLDRL),实现了不同语言环境下的知识迁移。实验结果表明,CLDRL模型在跨语言环境下最优F1值达到了78.59%,证明了该模型的有效性。 相似文献