全文获取类型
收费全文 | 162篇 |
免费 | 83篇 |
国内免费 | 12篇 |
出版年
2024年 | 1篇 |
2023年 | 6篇 |
2022年 | 7篇 |
2021年 | 2篇 |
2020年 | 2篇 |
2019年 | 5篇 |
2018年 | 3篇 |
2017年 | 9篇 |
2016年 | 18篇 |
2015年 | 7篇 |
2014年 | 9篇 |
2013年 | 6篇 |
2012年 | 15篇 |
2011年 | 16篇 |
2010年 | 10篇 |
2009年 | 15篇 |
2008年 | 15篇 |
2007年 | 18篇 |
2006年 | 24篇 |
2005年 | 17篇 |
2004年 | 10篇 |
2003年 | 8篇 |
2002年 | 9篇 |
2001年 | 4篇 |
2000年 | 3篇 |
1999年 | 5篇 |
1998年 | 3篇 |
1996年 | 5篇 |
1992年 | 2篇 |
1991年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有257条查询结果,搜索用时 15 毫秒
191.
在群决策专家聚类赋权过程中,可能出现专家给出的判断矩阵一致性比率与排序向量信息熵都相等但专家意见不同,却被赋予了相同权重的情况。针对上述问题,提出一种基于偏差熵的专家聚类赋权方法。该方法采用聚类分析的思想,基于比例构建相似系数,实现对专家群的分类;引入专家判断矩阵的一致性权重,并综合类容量构建权重指标来反映类别间的差异,确定专家类间权重;最后,在各专家类中建立偏差熵模型,依据类中专家达成一致性意见的贡献程度确定专家的类内权重,并得到专家的总体权重。具体算例表明,该方法可行有效。 相似文献
192.
应用领域中存在大量多数据类型属性的混合数据集,但是,很多有效多变元可视化方法的适用范围都只局限于单一类型,对于混合数据集可视化效果不甚理想。针对包含数值及分类型属性的多元混合数据集,提出一种面向混合数据集可视化的数据转换技术,首先对每一数值型属性使用聚类技术进行分类化,然后应用对应分析算法量化所有分类型属性,最后将转换后的混合数据集使用经典的数值型可视化方法——星形坐标法进行展现,并且针对变元数量较多或分类型变元势较高的混合数据集,在数据转换过程中提出一套降势策略,减少参与计算的变元数量,提高计算效率。实验表明,该方法对混合数据集的可视化结果不仅易于理解,而且有利于用户发现其中的隐性知识,降势策略在提高内存及时间效率方面作用显著。 相似文献
193.
194.
针对传统造船模式下,车间作业计划与工艺设计串行工作方式的缺点,基于并行工程的原理,提出了分段作业计划与工艺设计的集成运行模式,为实现造船CAPP系统与PPC系统的集成化和并行化提供了实现的基础。针对集成模式的特点,建立了分段作业计划系统资源优化的数学模型,应用遗传算法解决了针对任意分段装配工艺方案的多资源平衡优化问题,可以得到每项作业最优的开工时间,同时能够给出多种资源的最优分布结果,满足了多工艺方案之间资源利用率的比较。最后,给出了计算实例,计算机模拟结果说明了这一方法的有效性。 相似文献
195.
研究辛算法应用于Hamilton系统时的Nekhoroshev稳定性,利用辛映射的插值定理,得到了辛算法的插值定理,进而把它应用到凸Hamilton系统,得到了辛算法的Nekhoroshev稳定性,即辛算法在指数长时间内的稳定性。 相似文献
196.
197.
飞秒fs(1fs=10~(-15)s)激光脉冲测量是飞秒激光技术中非常重要的研究内容,由于测量的复杂性,操作上一般是实际测量与数值模拟结合进行,因而非常注重测量的方法性,但在实际测量中,许多测量者只注重单一方法的使用,最终往往很难达到理想的结果。为此,在对自相关测量法原理作简要介绍的基础上,着重阐述了近年发展起来的基于其上的光学频率光栅开关法(FROG)和自参考光谱位相相干电场重建法(SPIDER)的原理,及其数值模拟分析方法,以给实际测量者提供一个较全面的方法参考选择。 相似文献
198.
针对线性预测方法难以有效描述云团的非线性、非平稳变化的困难,基于经验正交函数分解(EOF)和遗传算法参数优化结合的思想,提出了一条云团非线性预测模型反演的方法途径。首先将卫星云图序列作EOF的时、空分解;在此基础上,引入遗传算法对EOF的时间系数序列进行了动力模型重构和模型参数反演,建立了EOF时间系数的非线性微分方程组;再通过时、空函数合成,构造了云团演变的动力预报模型。试验结果表明,反演的云团预报模型能较为合理地描述特定季节区域内云团演变的基本趋势,预测结果与实际云图的主要特征基本相符,尤其是实现了云图3h以上的中、长时效的客观预测。 相似文献
199.
提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣;多通道图注意力聚合模块学习不同子图对预测结果的注意力;评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。 相似文献
200.