全文获取类型
收费全文 | 2544篇 |
免费 | 547篇 |
国内免费 | 318篇 |
出版年
2024年 | 6篇 |
2023年 | 20篇 |
2022年 | 26篇 |
2021年 | 70篇 |
2020年 | 72篇 |
2019年 | 44篇 |
2018年 | 45篇 |
2017年 | 127篇 |
2016年 | 170篇 |
2015年 | 83篇 |
2014年 | 200篇 |
2013年 | 174篇 |
2012年 | 225篇 |
2011年 | 189篇 |
2010年 | 156篇 |
2009年 | 234篇 |
2008年 | 170篇 |
2007年 | 165篇 |
2006年 | 219篇 |
2005年 | 204篇 |
2004年 | 154篇 |
2003年 | 107篇 |
2002年 | 80篇 |
2001年 | 85篇 |
2000年 | 54篇 |
1999年 | 61篇 |
1998年 | 49篇 |
1997年 | 45篇 |
1996年 | 26篇 |
1995年 | 33篇 |
1994年 | 20篇 |
1993年 | 17篇 |
1992年 | 24篇 |
1991年 | 24篇 |
1990年 | 24篇 |
1989年 | 6篇 |
1987年 | 1篇 |
排序方式: 共有3409条查询结果,搜索用时 15 毫秒
121.
122.
123.
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
124.
125.
126.
基于AdaBoost-SVM的P2P流量识别方法 总被引:1,自引:0,他引:1
针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。 相似文献
127.
128.
129.
为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。 相似文献
130.