全文获取类型
收费全文 | 1131篇 |
免费 | 215篇 |
国内免费 | 124篇 |
出版年
2024年 | 11篇 |
2023年 | 44篇 |
2022年 | 31篇 |
2021年 | 76篇 |
2020年 | 60篇 |
2019年 | 39篇 |
2018年 | 14篇 |
2017年 | 23篇 |
2016年 | 47篇 |
2015年 | 42篇 |
2014年 | 90篇 |
2013年 | 74篇 |
2012年 | 91篇 |
2011年 | 81篇 |
2010年 | 71篇 |
2009年 | 76篇 |
2008年 | 74篇 |
2007年 | 66篇 |
2006年 | 45篇 |
2005年 | 49篇 |
2004年 | 49篇 |
2003年 | 48篇 |
2002年 | 41篇 |
2001年 | 47篇 |
2000年 | 25篇 |
1999年 | 35篇 |
1998年 | 26篇 |
1997年 | 15篇 |
1996年 | 15篇 |
1995年 | 13篇 |
1994年 | 12篇 |
1993年 | 8篇 |
1992年 | 10篇 |
1991年 | 5篇 |
1990年 | 7篇 |
1989年 | 10篇 |
排序方式: 共有1470条查询结果,搜索用时 15 毫秒
831.
832.
本文描述了一种称为m-最佳S-D(即m—最佳S维)的新数据互联算法,这种算法在O(mSkn3)(m个分配,长度为n的S≥3个序列,k次松弛)时间内得到对于S维分配问题的(近似)m-最佳结果。m-最佳S维算法应用于以下的跟踪问题:要么传感器是同步的,要么传感器和/或目标运动非常缓慢。此项工作的意义在于m-最佳S-D分配算法(以滑窗模式)可以通过避免所需列举的令人不堪忍受的指数数目的联合假设,从而有效实现次优多假设跟踪(MHT)算法。本文首先描述了m-最佳S-D所应用的一般问题。特别是根据来自S个传感器的视线(LOS)(即不完全位置)量测,求取完全位置量测集合,即通过求解一个静态S-D分配问题可得到第1、第2、…、第m个最佳(在似然意义下)完全量测集合。使用用于得到m-最佳S-D分配解的联合似然函数,就可用类似JPDA(联合概率数据互联)技术来度量复合量测的正确概率。来自连续扫描的复合量测序列以及它们相应的概率,轮流用于一个动态2-D分配算法的状态估计器中,以估计随着时间变化的运动目标状态。基于一个似然函数获得动态分配权系数,此似然函数包含了从(静态)m-最佳S-D分配解中得到的“真实”复合量测概率。通过把m-最佳S-D分配的解法用于一个仿真的多目标被动传感器航迹起始与航迹维持问题,展示了m-最佳S-D分配解法的优点,其 相似文献
833.
834.
835.
基于模糊聚类的多目标跟踪算法 总被引:2,自引:0,他引:2
提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。 相似文献
836.
837.
838.
839.
840.