全文获取类型
收费全文 | 265篇 |
免费 | 53篇 |
国内免费 | 27篇 |
出版年
2024年 | 1篇 |
2023年 | 12篇 |
2022年 | 11篇 |
2021年 | 10篇 |
2020年 | 12篇 |
2019年 | 14篇 |
2018年 | 2篇 |
2017年 | 8篇 |
2016年 | 13篇 |
2015年 | 9篇 |
2014年 | 22篇 |
2013年 | 10篇 |
2012年 | 11篇 |
2011年 | 26篇 |
2010年 | 21篇 |
2009年 | 25篇 |
2008年 | 18篇 |
2007年 | 20篇 |
2006年 | 10篇 |
2005年 | 13篇 |
2004年 | 8篇 |
2003年 | 9篇 |
2002年 | 15篇 |
2001年 | 7篇 |
2000年 | 4篇 |
1999年 | 8篇 |
1998年 | 6篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 3篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 2篇 |
1990年 | 4篇 |
1988年 | 1篇 |
排序方式: 共有345条查询结果,搜索用时 15 毫秒
11.
12.
13.
非合作目标不提供已知的目标标识器和敏感器件,无疑增加了检测识别的难度.CCD相机能够提供大量包含有非合作目标的尺寸、形状、相对位置和相对姿态等信息的高分辨率图像,用常规方法进行非合作目标图像分割时,由于空间环境的影响,使得目标的轮廓线非常零碎,常掩埋在杂乱的背景分割线中.为了克服这种问题,提出了一种保持边界的整体变分方法和数学形态学相结合的方法.先用整体变分方法对图像进行平滑的同时可以最大限度地保留图像中的轮廓、边缘等特征信息以增强目标的边缘,然后采用数学形态学的方法对其进行膨胀、腐蚀以滤除众多的背景噪声.经大量的实验验证,这种方法可以有效地提取出非合作目标的边缘信息,并可滤除大量噪声,为进一步开展非合作目标识别工作奠定基础. 相似文献
14.
文章基于模糊数学的理论基础,尝试将模糊信息引入方案决策过程,提出了一种基于变权法的多因素模糊的行动方案评估模型与方法,并结合一个行动方案(COA)评估的实例,介绍了该模型的使用方法。 相似文献
15.
16.
17.
针对汽车减振器中电流变液体阻尼的计算问题,利用同心间隙流动阻力精确解推导了汽车减振器的阻尼计算公式,结合减振器阻尼与电场强度之间的关系,给出了电流变液体减振器间隙两端压差和阻尼计算方法,并对影响阻尼的主要因素作了分析。经实验验证,计算结果与实测结果吻合。 相似文献
18.
在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较. 相似文献
19.
本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群.它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.同时,它很容易实现.通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量. 相似文献
20.
变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。 相似文献