全文获取类型
收费全文 | 4281篇 |
免费 | 400篇 |
国内免费 | 429篇 |
专业分类
5110篇 |
出版年
2024年 | 36篇 |
2023年 | 115篇 |
2022年 | 121篇 |
2021年 | 217篇 |
2020年 | 177篇 |
2019年 | 87篇 |
2018年 | 21篇 |
2017年 | 88篇 |
2016年 | 133篇 |
2015年 | 118篇 |
2014年 | 272篇 |
2013年 | 266篇 |
2012年 | 338篇 |
2011年 | 294篇 |
2010年 | 262篇 |
2009年 | 270篇 |
2008年 | 325篇 |
2007年 | 250篇 |
2006年 | 216篇 |
2005年 | 195篇 |
2004年 | 174篇 |
2003年 | 193篇 |
2002年 | 169篇 |
2001年 | 150篇 |
2000年 | 87篇 |
1999年 | 72篇 |
1998年 | 87篇 |
1997年 | 86篇 |
1996年 | 58篇 |
1995年 | 50篇 |
1994年 | 42篇 |
1993年 | 35篇 |
1992年 | 42篇 |
1991年 | 36篇 |
1990年 | 14篇 |
1989年 | 14篇 |
排序方式: 共有5110条查询结果,搜索用时 0 毫秒
991.
徐培德 《国防科技大学学报》1993,15(2):105-110
本文讨论了变量有界的线性目标规划问题,给出了求解这类问题的一个对偶算法,此方法与变量有界线性规划问题的对偶算法相类似。文中证明了算法的有效性,并举例说明了计算过程。 相似文献
992.
动态武器-目标分配(DWTA)是坦克会战中取得战斗胜利的关键.建立了坦克战中DWTA模型,并提出了它的一种简单求解方法.实验结果表明求解方法是有效的. 相似文献
993.
提出了一种适用于机载预警(AEW)雷达海杂波背景中目标检测的双参数有序统计恒虚警(CFAR)处理方法———BOS CFAR方法,并对该方法在非高斯海杂波背景、多脉冲非相参积累和多目标干扰环境下的检测性能进行了讨论和分析。理论分析和仿真结果表明,该方法能有效地提高AEW雷达海杂波背景中的CFAR检测性能。 相似文献
994.
针对热障涂层结构材料红外定量检测存在的不足,提出基于脉冲相位的LM(LevenbergMarquardt)识别算法。针对研究问题,建立了轴对称圆柱坐标下热障涂层结构材料的瞬态导热模型,利用有限体积法计算出检测表面的温度场,经快速傅里叶变换得到检测表面的相位分布,分析待检测参数对检测表面相位差的影响。以相位为识别条件,采用LM反演算法对热障涂层厚度及其涂敷下材料内部缺陷位置大小进行定量识别,并采用数值实验方法验证了基于相位的LM识别方法的有效性。 相似文献
995.
在强杂波背景下设计有效的海上雷达目标检测器是相当困难的。本文提出了一种基于海面散射的分维持性的雷达目标检测方法。它利用海上目标雷达回波与海杂波在分维持性上的差异来对海上舰船目标进行检测。将该方法用于实地录取的舰船雷达弱目标的回波,取得了较好的检测效果。 相似文献
996.
本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。 相似文献
997.
研究和设计了一种高度结构化的神经网络模型HSNN,它能方便地对结构化知识进行表示和处理。文中给出了HSNN的设计过程,并讨论了HSNN在继承、非单调推理和信息检索等方面的应用 相似文献
998.
本文旨在将混沌、多重分形的理论和方法引入雷达信号处理,从混沌、分形动力学角度来揭示和刻划复杂目标散射机理,为进行有效信号处理和可靠目标识别寻找新的理论和技术实现方法。文中统计了五种飞机目标回波信号的Lyapunov指数分布情况,并计算了其多重分形维数,然后在此基础上,进行了目标识别的实验,获得了较高识别率。本文的研究表明,混沌、多重分形理论在目标特性及识别的研究中具有良好的应用前景。 相似文献
999.
本文从联合关联事件的构造出发,讨论关联假设事件的分层构造,以达到降低计算量的目的。这里的层次可从0取到L,0层表示没有任何目标能够跟当前的观测数据关联,L层表示共有L个目标可以跟当前扫描得到的观测数据相关联。本文的关联事件的构造中,各层次的搜索具有递归性并可以独立进行,因而可以并行实现。文中还将本文的方法跟有关文献作了比较,并且给出相应的计算机仿真实验及其结果。 相似文献
1000.
针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。 相似文献