玩机搞机------高级改良型高通工程线制作方法。

很多普通玩家对工程线的定义还停留在早期短接红绿端的操作认知上。例如这个

常规制作工程线

 

 

 或者短接主板触点方式

 

今天给大家描述的是更高级改良型的工程线。因为前期的这种工程线对于米6或者其他同时期机型已经不起任何作用。后期机型进入高通edl模式就需要拆机手动短接主板触点来进入。或者有权限的操作来进入edl模式。对于新手来说还是有一定的困难。目前很多维修加密狗或者某宝等有这种工程线出售,那么久其原理也很简单,但需要一定的手工操作。
早期的工程线定义与Testpoint模式。但已在 2021 年 8 月/9 月更新到最新的安全补丁级别的安卓10或后续的更高的版本不在单独的Testpoint上验证。而是引入了一种特殊的方法来检测手机软件和安全区域。这个就是旧版工程线无法起作用的原因之一

EDL模式也被称为手机的紧急模式。从技术上讲,所有小米 Redmi 设备或者任何高通芯片的机型上都带有 EDL 模式选项。如果你想安装 救砖或者更新你自己的 高通手机,那么你有很多选择可以使用.恢复模式或使用快速启动模式在设备上刷新新的库存 ROM。这两种方法都有一些限制,比如Recovery ROM只能用于更新高版本,不能降级小米版本。

 操作所需要的工具和配件

数据线
电阻器 10k 和 56K 欧姆
焊接材料(焊枪、焊锡、焊膏等)

黄色线表示 CC 引脚,红色线表示 VBUS
CC2 引脚和 VBUS 之间的 56K 电阻
CC1 引脚和 VBUS 之间的 10K 电阻

目前这种改良型工程线测试通过

测试了一些机型:

小米9 小米
小米9 Pro 5G
小米10
小米10 S
小米11 Pro 
小米11 Ultra 

小米12 小米
小米MIX4
小米米 CC9 Pro

红米K20
红米K20 Pro
红米K30 4G
红米K30 5G
红米K30 Pro
红米K40
红米Note 9 Pro
红米Note 9

华为荣耀Magic3
华为荣耀Magic3 Pro
华为P50
华为P50 Pro
华为P50 Pocket
华为NOVA 9华为
NOVA 9 Pro
华为Hi NOVA 9
华为Hi NOVA 9 Pro

等等一些机型

最后提示。对于新手来说。有一定的风险性。新手还是建议买成品。这种操作还是对有手动经验强和有一定的硬件知识的朋友操作。

如果对于你有帮助,可以伸出你那可爱的双手点个赞赞吗。关注我 了解搞机玩机一些经验和解决方法.

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: K-Means算法是一种非监督学习的聚类算法,它可以帮助我们将数据集划分成不同的类簇。要实现改良的K-Means算法,可以采用两种方法:一种是改善K-Means算法的聚类算法,另一种是改善K-Means算法的收敛速度。为了改善K-Means算法的聚类效果,可以采用改进的距离度量方法,例如使用更加适合数据集的Minkowski距离;另外,可以引入核技巧来改善K-Means算法的聚类精度。为了改善K-Means算法的收敛速度,可以采用增量K-Means算法,它可以有效的减少K-Means算法的运行时间。另外,可以采用并行K-Means算法来改善K-Means算法的收敛速度。 ### 回答2: K-means算法是一种常用的聚类算法,但它有一些局限性。为了改良K-means算法,我们可以考虑以下几个方面: 1. 初始化中心点的选择:传统的K-means算法使用随机选择的方法来初始化中心点,这可能导致算法陷入局部最优解。改良的K-means算法可以采用更加智能的初始化方法,例如K-means++算法,在选择初始中心点时考虑数据点的距离。 2. 簇划分的准则:传统的K-means算法使用欧氏距离作为簇划分的准则,但这在处理高维数据时可能存在问题。改良的K-means算法可以采用其他距离度量方法,例如余弦相似度或者马氏距离。 3. 簇数选择:K-means算法需要事先确定簇的个数K,但在实际应用中往往很难确定这个参数。改良的K-means算法可以引入一些评估指标,例如轮廓系数或者Gap统计量,来辅助选择合适的簇数。 4. 迭代终止条件:传统的K-means算法通常通过判断簇中心的变化是否小于一个阈值来判断迭代是否终止。改良的K-means算法可以引入更加准确的终止条件,例如加入最大迭代次数或者目标函数的收敛程度。 5. 离群值处理:K-means算法对离群值非常敏感,可能会将其归为某个簇中。改良的K-means算法可以考虑在迭代过程中检测离群值,并进行特殊处理,例如将其剔除或者单独作为一个簇。 通过对K-means算法的改良,可以提升其聚类性能并适应更多的应用场景。当然,具体的改良方法需要根据实际问题和数据特点进行调整。 ### 回答3: 改良的k-means算法是对传统的k-means算法进行改进和优化,以提高聚类效果和算法的运行效率。具体改良如下: 1. 初始聚类中心的选择优化:传统k-means算法采用随机选取k个样本作为初始聚类中心,但这种方式容易导致算法收敛到局部最优解。改良的方法是采用k-means++算法,该算法能够选择更合理的初始聚类中心,提高聚类效果。 2. 动态调整聚类中心:传统k-means算法是通过迭代迭代计算来更新聚类中心,直到满足停止准则。改良的方法是在每次迭代中,根据当前的聚类结果动态调整聚类中心的位置,使聚类中心能更好地适应数据分布,加速算法的收敛速度。 3. 距离度量优化:传统k-means算法通常使用欧氏距离来度量样本之间的相似度,但当数据分布存在明显的偏斜或离群点时,欧氏距离容易受到影响。改良的方法是采用改进的距离度量,如余弦相似度、马哈拉诺比斯距离等,根据实际数据情况选择最适合的度量方式,提高聚类精度。 4. 并行计算加速:传统k-means算法是顺序计算的,随着数据量的增大,算法的运行效率较低。改良的方法是采用并行计算的方式,通过多线程或分布式计算的方式,将数据分成多个小批量进行聚类计算,最后再合并聚类结果,加速算法的运行速度。 5. 收敛速度的优化:传统k-means算法通常设置一个最大迭代次数,而且每次迭代都需要重新计算样本点到聚类中心的距离,算法收敛速度慢。改良的方法是引入更快速的收敛准则,如当聚类中心的变化小于一定阈值时,判定算法已经收敛,提前终止迭代,减少计算量。 通过以上改良,k-means算法可以更好地适应不同类的数据分布,提高聚类的准确性和算法的运行效率。但需要根据具体问题的特点选择合适的改良方法,以获得最佳的聚类效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

安卓机器

如果感觉对你有点用处,请适打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值