全文获取类型
收费全文 | 588篇 |
免费 | 44篇 |
国内免费 | 18篇 |
出版年
2024年 | 38篇 |
2023年 | 59篇 |
2022年 | 37篇 |
2021年 | 33篇 |
2020年 | 34篇 |
2019年 | 13篇 |
2018年 | 7篇 |
2017年 | 8篇 |
2016年 | 10篇 |
2015年 | 14篇 |
2014年 | 26篇 |
2013年 | 57篇 |
2012年 | 54篇 |
2011年 | 33篇 |
2010年 | 38篇 |
2009年 | 36篇 |
2008年 | 39篇 |
2007年 | 21篇 |
2006年 | 20篇 |
2005年 | 18篇 |
2004年 | 12篇 |
2003年 | 8篇 |
2002年 | 4篇 |
2001年 | 4篇 |
2000年 | 4篇 |
1999年 | 7篇 |
1998年 | 4篇 |
1997年 | 3篇 |
1996年 | 5篇 |
1995年 | 1篇 |
1992年 | 2篇 |
1991年 | 1篇 |
排序方式: 共有650条查询结果,搜索用时 15 毫秒
201.
7月30日,江西省国防科技工业经济活动分析会表明,2013年上半年江西国防科技工业全行业扎实推进稳增长、调结构、促转型、抓改革、惠民生各项工作,经济实现了平稳增长,呈现出"六大亮点"。具体体现在"五稳""一显"上,即经济稳中有进、效益稳步提升、龙头地位稳固、改革平稳推进、行业和谐稳定,以及对接央 相似文献
202.
203.
204.
在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。 相似文献
205.
206.
208.
A*(A Star)算法进行最短路径计算时,一般采用曼哈顿函数作为最优邻接点的评估标准,在算法执行的过程中,需要对每一步每个邻接点进行计算,判断出当前最优邻接点,然后迭代执行下一步,在数据量较大的情况下,算法的时间复杂度呈几何增长.使用GeoHash索引算法代替曼哈顿函数作为评估标准,在有地理坐标信息的网络拓扑中进行最短路径查找,直接以GeoHash编码索引值作为判断标准,进行快速查找.GeoHash值是经纬度经过一系列编码转换后的实际值,能够拓扑网格中的属性值,减少算法的计算时间,优化算法的时间复杂度.提高A*算法在道路规划、运行调度、无人驾驶路径分析时的最短路径计算时间,可增加实际应用广泛性. 相似文献
209.
210.
针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性. 相似文献