全文获取类型
收费全文 | 327篇 |
免费 | 46篇 |
国内免费 | 34篇 |
出版年
2024年 | 4篇 |
2023年 | 12篇 |
2022年 | 8篇 |
2021年 | 22篇 |
2020年 | 18篇 |
2019年 | 16篇 |
2018年 | 2篇 |
2017年 | 13篇 |
2016年 | 27篇 |
2015年 | 11篇 |
2014年 | 27篇 |
2013年 | 26篇 |
2012年 | 32篇 |
2011年 | 27篇 |
2010年 | 17篇 |
2009年 | 27篇 |
2008年 | 22篇 |
2007年 | 19篇 |
2006年 | 14篇 |
2005年 | 16篇 |
2004年 | 8篇 |
2003年 | 7篇 |
2002年 | 7篇 |
2001年 | 4篇 |
2000年 | 2篇 |
1999年 | 3篇 |
1997年 | 2篇 |
1995年 | 5篇 |
1994年 | 1篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 2篇 |
1989年 | 2篇 |
排序方式: 共有407条查询结果,搜索用时 31 毫秒
21.
22.
针对互联网上存在的大量垃圾评论,提出一种基于电阻网络的垃圾评论检测方法,该方法用电阻距离来度量评论之间的上下文语义相似性,把整个评论数据表示成一个电阻网络,把垃圾评论当作该网络上的语义离群点来处理,根据网络节点对电阻网络平均电能消耗的影响,建立电离群因子来度量数据的离群程度,以此来识别垃圾评论。实验证明了该方法的有效性,在多个数据集上取得了较好的效果。 相似文献
23.
应用具有量子行为的粒子群优化算法,对支持向量(SVM)进行参数优化研究.根据支持向量机的分类准确率和泛化能力之间的关系,应用QPSO算法选取比较优秀的参数模型,比较参数模型的各项性能,选取最适合实际需要的参数模型.仿真表明,QPSO算法的SVM模型与PSO算法相比在分类准确率和泛化能力上均获得更好的效果,经QPSO优化后的SVM整体性能明显提高. 相似文献
24.
加油系统是群车加油装备的主要系统之一,其不同工况的水力计算结果是研究和分析加油系统规律和特性的基础。介绍了新型群车加油车加油系统基本结构,针对其结构简单、工况随机多变的特点,运用排列组合知识对系统工况进行了归纳分类,共有1 023种工况组合和10种加油模式;提出距离矩阵法用于建立加油系统的随机工况数学模型,并详细阐述了模型计算过程;通过对单枪、五枪和十枪加油模式的典型工况进行计算,最终结果验证了该方法用于求解群车加油系统和其他多分支管路系统随机工况的水力计算是可行的。 相似文献
25.
为了提高智能协同空战攻击决策算法性能,将变异策略引入到DPSO(Discrete Particle Swarm Optimization)协同空战攻击决策算法中,提出了一种新的基于变异离散粒子群(Mutation Discrete Particle Swarm Optimization,MDPSO)的协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。采用对比实验方法,基于准确性、可靠性和快速性等关键性能指标,分析比较了基于MDPSO协同空战攻击决策算法与多种智能决策算法,验证了基于MDPSO的协同空战攻击决策算法有着较好的综合性能。 相似文献
26.
27.
利用粒子群优化算法和最小二乘支持向量机,建立地球静止轨道高能电子通量在线预测模型。针对粒子群优化算法,提出一种新的粒子群多样性测度计算方法,有效改善其早熟收敛现象。运用改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数。利用滑动时间窗口策略更新模型数据,选择触发机制以及模型的再学习机制为设计变量,实现模型的在线预测功能。对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行的提前1~3天的预测实验,表明所建在线预测模型具有较高的预测性能,并具有一定的实用价值。 相似文献
28.
29.
提出了一种基于免疫粒子群优化算法的自抗扰大包线飞行控制器设计方法.针对传统的增益调参设计方法存在的工作量巨大与设计效率低的问题,利用自抗扰控制器进行大包线飞行控制器设计,并推导了适用于该方法的飞机非线性方程.由于自抗扰控制能够动态补偿对象模型的内扰和外扰,因此在很大的飞行区域内仅需一套控制器便可,从而避免了烦琐复杂的增益调参设计过程,并用免疫粒子群优化算法对自抗扰控制器参数进行了优化研究.仿真结果表明,所设计的自抗扰控制器具有优良的控制性能,并且控制器参数在较大的包线范围内不需要改变,从而简化了大包线飞行控制器设计. 相似文献
30.
标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。 相似文献