乙酰化柠檬酸酯化交联机械活化淀粉的制备及性质分析

以机械活化木薯淀粉为原料,醋酸酐为酯化剂,柠檬酸为交联剂,采用溶剂法制备乙酰化柠檬酸酯化交联淀粉,考察了机械活化时间、混合酸添加量、反应温度、反应时间、柠檬酸与乙酸酐质量比等因素对乙酰化柠檬酸酯化交联淀粉沉降积的影响,并对制备得到的酯化交联淀粉进行结构表征及性质测定。结果表明,制备最佳工艺条件为:机械活化时间40min、混合酸添加量(占淀粉干重)10%、反应温度45℃、反应时间1 h、柠檬酸与乙酸酐质量比1:35,所得产品沉降积为1.52 m L。FT-IR表明淀粉被成功酯化交联,XRD表明酯化交联主要发生在淀粉的非结晶区。性质测定表明,析水率、糊透明度均为:机械活化淀粉>原淀粉>酯化交联机械活化淀粉>酯化交联淀粉,说明酯化交联淀粉冻融稳定性较好,糊透明度较低;抗酸性:酯化交联机械活化淀粉>机械活化淀粉>酯化交联淀粉>原淀粉,表明机械活化处理能提高淀粉的抗酸性;酯化交联淀粉的黏度热稳定性优于淀粉。综合比较,机械活化酯化交联淀粉具有更好的冻融稳定性、抗酸性和黏度热稳定性。     

有效的不确定数据概率频繁项集挖掘算法

针对已有概率频繁项集挖掘算法采用模式增长的方式构建树时产生大量树节点,导致内存空间占用较大以及发现概率频繁项集效率低等问题,提出了改进的不确定数据频繁模式增长(PUFP-Growth)算法。该算法通过逐条读取不确定事务数据库中数据,构造类似频繁模式树(FP-Tree)的紧凑树结构,同时更新项头表中保存所有尾节点相同项集的期望值的动态数组。当所有事务数据插入到改进的不确定数据频繁模式树(PUFP-Tree)中以后,通过遍历数组得到所有的概率频繁项集。最后通过实验结果和理论分析表明:PUFP-Growth算法可以有效地发现概率频繁项集;与不确定数据频繁模式增长(UF-Growth)算法和压缩的不确定频繁模式挖掘(CUFP-Mine)算法相比,提出的PUFP-Growth算法能够提高不确定数据概率频繁项集挖掘的效率,并且减少了内存空间的使用。     

浅析监理和施工的共同发展

现阶段,随着我国建筑行业的不断发展,相对应的建筑工程的监理工作也在不断的壮壮大和完善。在工程施工过程中越来越多的监理企业出现在施工现场。一般来说,工程建设的最终目标是在满足社会需求的同时,实现企业自身经济利益的最大化。而科学、合理的施工技术是保证工程质量符合相关要求的重要手段。在工程的建设过程中,监理企业应加强对施工技术的管理和监督工作,而相应的,由于施工技术的不断完善和提高,也进一步促进了工程建设过程中监理工作的进一步发展。两者之间是相互促进,共同发展的关系。     

基于网格覆盖的社交网络位置数据的保护方法*

社交网络中用户的位置数据被公开或共享给第三方时,存在潜在的隐私信息泄露的问题。在对该问题研究的基础上,提出了一种新型位置数据隐私保护方法。该方法主要包括动态网格覆盖和基于随机游走的位置再分配两个数据处理阶段。第一阶段将用户真实位置隐匿于加密的网格覆盖区域内,从而有效地保护了真实位置数据;第二阶段则在有效的网格覆盖区域内为用户再分配加密的位置标识坐标, 从而增强位置数据的可用性。通过设置匿名成功率、匿名数据可用率、数据处理效率三个评测参数,分别进行了多次模拟对比实验,结果表明该方法不仅能够在位置数据的隐私保护和可用性两方面之间取得较好的平衡,而且具有较好的位置数据保护处理效率。