全文获取类型
收费全文 | 895篇 |
免费 | 69篇 |
国内免费 | 108篇 |
出版年
2024年 | 4篇 |
2023年 | 19篇 |
2022年 | 16篇 |
2021年 | 38篇 |
2020年 | 28篇 |
2019年 | 24篇 |
2018年 | 3篇 |
2017年 | 19篇 |
2016年 | 39篇 |
2015年 | 23篇 |
2014年 | 54篇 |
2013年 | 56篇 |
2012年 | 89篇 |
2011年 | 88篇 |
2010年 | 68篇 |
2009年 | 64篇 |
2008年 | 66篇 |
2007年 | 47篇 |
2006年 | 48篇 |
2005年 | 41篇 |
2004年 | 45篇 |
2003年 | 45篇 |
2002年 | 47篇 |
2001年 | 32篇 |
2000年 | 17篇 |
1999年 | 8篇 |
1998年 | 5篇 |
1997年 | 9篇 |
1996年 | 3篇 |
1995年 | 7篇 |
1994年 | 3篇 |
1993年 | 5篇 |
1992年 | 2篇 |
1991年 | 4篇 |
1990年 | 4篇 |
1989年 | 2篇 |
排序方式: 共有1072条查询结果,搜索用时 312 毫秒
41.
42.
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
43.
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
44.
舰载导弹超视距攻击误差计算 总被引:2,自引:2,他引:0
超视距引导的导弹攻击,导弹对目标的捕捉能力取决于引导配系的引导精度和导弹本身的技术、战术性能。本文提出了影响舰舰导弹超视距攻击误差的三要素,给出了导弹射击概率偏差的计算方法,并就对平台延伸定位法,反向延伸平台定位法和GPS定位法的定位误差进行分析,指出了引导站的安全角在实际运用中的作用。 相似文献
45.
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
46.
针对光电成像跟踪系统需要超大视场及高机械集成度以满足航空设备对重量和体积的特殊需求,采用球形步进电机作为光电成像跟踪转台的执行机构,提出一种空间目标跟踪的转台控制方法。首先将空间目标的位置转换为三维转动群的群元,群元采用四元数作为三维旋转的数据结构,然后构建转台在空间步进旋转的路径图,并设计在不同空间位置下的目标跟踪方法,仿真结果表明球形转台控制方法进行目标跟踪的有效性,转台可以较快地搜索到通往目标位置的最佳路径,从而实现目标跟踪,跟踪误差取决于目标的具体位置,同时光电传感器在系统存在扰动时进行重新定位有着重要的意义。 相似文献
47.
48.
为对战场电磁频率进行有效分配以减少用频设备间的相互干扰,提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容,并以干扰度最低为目标函数,使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数,作为粒子群位置和速度参数进行初始化,将粒子群算法生成的分配结果作为蚁群算法的初始信息素,利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。 相似文献
49.
50.