全文获取类型
收费全文 | 131篇 |
免费 | 56篇 |
国内免费 | 6篇 |
出版年
2024年 | 2篇 |
2023年 | 6篇 |
2022年 | 7篇 |
2021年 | 8篇 |
2020年 | 6篇 |
2019年 | 3篇 |
2018年 | 2篇 |
2017年 | 9篇 |
2016年 | 9篇 |
2015年 | 10篇 |
2014年 | 11篇 |
2013年 | 11篇 |
2012年 | 13篇 |
2011年 | 6篇 |
2010年 | 10篇 |
2009年 | 12篇 |
2008年 | 4篇 |
2007年 | 8篇 |
2006年 | 10篇 |
2005年 | 10篇 |
2004年 | 5篇 |
2003年 | 3篇 |
2002年 | 3篇 |
2001年 | 4篇 |
2000年 | 2篇 |
1999年 | 2篇 |
1998年 | 3篇 |
1995年 | 3篇 |
1994年 | 1篇 |
1993年 | 2篇 |
1992年 | 3篇 |
1991年 | 4篇 |
1989年 | 1篇 |
排序方式: 共有193条查询结果,搜索用时 15 毫秒
181.
《装甲兵工程学院学报》1995,(3)
通过对美国及前苏联维修性预计方法的分析,确定前苏联“以类似产品的维修性多元线性回归方程作为新产品维修性预计模型”的方法为机械系统维修性预计方法.在限定的条件下,采集了装甲车辆机械系统的维修性数据,并应用这些数据进行分析得出相应的机械系统维修性预计模型. 相似文献
182.
本文介绍了建立不工作失效率理论预测模型的具体方法和途径,提出检验数据是否可用的五条标准,并讨论了模型建立过程中应注意的几个特殊因素。 相似文献
183.
184.
在战场复杂电磁环境下,卫星导航接收机很容易受到电磁干扰而出现不定位的现象,针对这一现象,提出了一种基于环境感知无人机卫星导航接收机的电磁干扰态势评估方法。以干扰信号的特征参数、导航接收机未受干扰时的接收状态作为预测的输入,以接收机跟踪环路失锁时的效应阈值作为观测目标值,建立了极端梯度提升(extreme gradient boosting, XGBoost)的预测模型。在此基础上,给出了导航接收机电磁干扰态势的等级,提出了导航接收机在单源和双源电磁干扰下的态势评估方法。通过与高斯过程回归和支持向量机回归的预测方法进行比较,结果表明XGBoost方法具有更好的预测精度。依据该预测方法,综合利用技战术方案,有利于提高无人机在复杂电磁环境中的适应能力。 相似文献
185.
186.
基于磁场叠加原理,建立了单相、三相、并联单相、并联三相供电电缆常见布局方式下的磁场辐射计算模型,并给出了降低电缆磁场辐射的优化布局方法。仿真与实验结果表明:该计算模型有较高的准确性,有助于把握供电电缆磁场辐射的决定因素,可用于快速指导供电电缆的优化设计,以避免反复的仿真或实验试探,缩短设计时间,降低设计成本。 相似文献
187.
针对油料池火灾相似性及点火特性研究需要,构建了一种基于耗氧原理的油池火锥形量热法模拟实验系统,引入火灾尺度相似性概念,研究了实验室尺度油池火与真实尺度油池火的相似性关系,探讨了实验室尺度油池火预测真实尺度油池火的可行性,基于实验室尺度锥形量热法研究了油池火点火特性,得到了辐射强度、辐射距离对油料点燃时间的影响规律以及点燃时间与锥照射强度之间的拟合公式。 相似文献
188.
针对传统有标识软件度量元数据存在软件缺陷预测精度低的问题,首先对比选择合适的离散化方法,然后将组织协同进化分类算法引入并应用到航天软件缺陷预测领域,给出了一种基于组织协同进化的软件缺陷预测方法。该方法根据预测目标将离散后的软件度量元数据划分为不同种群,在各种群内部形成进化个体(组织)。组织在增减算子、交换算子、合并算子和组织选择机制的作用下不断进化,并基于属性重要度协同进化的方式进行适应度函数的计算,实现了有标识软件度量元数据缺陷预测精度的提高。最后通过两组仿真实验,验证了基于组织协同进化航天软件缺陷预测方法的有效性。 相似文献
189.
在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。 相似文献
190.
随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。 相似文献