全文获取类型
收费全文 | 551篇 |
免费 | 96篇 |
国内免费 | 61篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 9篇 |
2021年 | 2篇 |
2020年 | 4篇 |
2019年 | 8篇 |
2018年 | 2篇 |
2017年 | 30篇 |
2016年 | 36篇 |
2015年 | 19篇 |
2014年 | 21篇 |
2013年 | 29篇 |
2012年 | 55篇 |
2011年 | 46篇 |
2010年 | 30篇 |
2009年 | 59篇 |
2008年 | 39篇 |
2007年 | 50篇 |
2006年 | 59篇 |
2005年 | 48篇 |
2004年 | 36篇 |
2003年 | 31篇 |
2002年 | 17篇 |
2001年 | 11篇 |
2000年 | 11篇 |
1999年 | 8篇 |
1998年 | 11篇 |
1997年 | 8篇 |
1996年 | 7篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 2篇 |
1992年 | 2篇 |
1991年 | 3篇 |
1990年 | 3篇 |
1988年 | 1篇 |
排序方式: 共有708条查询结果,搜索用时 57 毫秒
681.
682.
在群决策专家聚类赋权过程中,可能出现专家给出的判断矩阵一致性比率与排序向量信息熵都相等但专家意见不同,却被赋予了相同权重的情况。针对上述问题,提出一种基于偏差熵的专家聚类赋权方法。该方法采用聚类分析的思想,基于比例构建相似系数,实现对专家群的分类;引入专家判断矩阵的一致性权重,并综合类容量构建权重指标来反映类别间的差异,确定专家类间权重;最后,在各专家类中建立偏差熵模型,依据类中专家达成一致性意见的贡献程度确定专家的类内权重,并得到专家的总体权重。具体算例表明,该方法可行有效。 相似文献
683.
基于自适应模糊神经网络的弹药消耗预计模型 总被引:4,自引:1,他引:3
根据我军弹药消耗预计方法的现状,利用模糊控制和神经元网络原理,提出了一种新的预计方法。量化的作战条件作为系统的输入,预计值作为系统的输出,根据历史的输入、输出数据确定系统的特性,建立预计模型。利用此种方法建立的模型根据历史数据训练后,输入现有战斗估计条件,即可对部队日平均作战消耗做出预计。 相似文献
684.
685.
辐射源数据往往不完整或不确定,因此应用模糊推理实现了辐射源和目标平台的识别.将辐射源特征转换为由模糊集及隶属度函数表征的参数,再通过与数据库中的辐射源数据进行模糊匹配来判断辐射源的类型,实现了雷达辐射源的被动识别方法.进一步通过识别出目标平台上所装备的雷达辐射源的参数值,利用模糊推理,推断出目标平台的类型.试验结果表明:模糊推理的算法是切实可行的,在对模拟数据加入的噪声不超过一定限制的情况下,对于数据库已有的目标能够达到较高的目标识别率. 相似文献
686.
687.
蛋白质相互作用网络的几种聚类方法综述 总被引:2,自引:0,他引:2
蛋白质相互作用网络是后基因组时代系统生物学研究的重要内容.针对蛋白质相互作用网络中的聚类问题,介绍了几种代表性的聚类分析方法,初步分析了这些方法的特点,指出了当前研究工作的困难与挑战,并对今后的研究方向作了展望. 相似文献
688.
准确定量评估电磁发射系统发射前的健康状态意义重大。针对模糊层次分析方法(Fuzzy Analytic Hierarchy Process, FAHP)在评估电磁发射系统串行结构同级元素健康值时存在较大偏差,且无法适用系统非线性变权重需求的缺陷,提出改进FAHP-神经网络方法。通过在计算同级元素健康指数时构造能够满足串行结构健康评估的非线性函数进行计算,并在数学上证明该方法的有效性;通过引入神经网络系统,在已有的系统先验信息和测量数据的基础上训练模型解决系统健康评估非线性变权重需求。基于电磁发射系统脉冲成形网络系统建立健康评估模型,开展评估试验。结果表明,提出的方法健康评估精度较高,在各种系统健康状态下,评估结果均符合系统实际的健康状况;对比传统的FAHP,提出的改进方法评估精度大幅提升,且在评估试验中没有出现故障误报和漏报的情况,从而验证了提出方法的可行性和工程实用价值。 相似文献
689.
提出了一种无师训练的fuzzymin max人工神经网络,它兼有一般fuzzymin max网与ART2网的优点,既弥补了fuzzymin max网不能自适应在线学习新类的缺陷,又消除了ART2网警戒门限过高的弊病.经模式识别仿真对比,对同样的输入数据,文中提出的网络用较低的警戒门限值即可达到ART2用很高的警戒门限值才能达到的分类效果,且计算量大大减少.得到的结论是:对模式识别而言,文中提出的网络比fuzzymin max网和ART2网更具有实用价值. 相似文献
690.