全文获取类型
收费全文 | 3372篇 |
免费 | 517篇 |
国内免费 | 244篇 |
学科分类
自然科学 | 4133篇 |
出版年
2025年 | 44篇 |
2024年 | 68篇 |
2023年 | 97篇 |
2022年 | 102篇 |
2021年 | 113篇 |
2020年 | 117篇 |
2019年 | 102篇 |
2018年 | 87篇 |
2017年 | 103篇 |
2016年 | 87篇 |
2015年 | 126篇 |
2014年 | 187篇 |
2013年 | 151篇 |
2012年 | 207篇 |
2011年 | 233篇 |
2010年 | 179篇 |
2009年 | 217篇 |
2008年 | 191篇 |
2007年 | 255篇 |
2006年 | 256篇 |
2005年 | 162篇 |
2004年 | 170篇 |
2003年 | 141篇 |
2002年 | 105篇 |
2001年 | 83篇 |
2000年 | 71篇 |
1999年 | 61篇 |
1998年 | 56篇 |
1997年 | 46篇 |
1996年 | 56篇 |
1995年 | 37篇 |
1994年 | 35篇 |
1993年 | 40篇 |
1992年 | 29篇 |
1991年 | 24篇 |
1990年 | 27篇 |
1989年 | 25篇 |
1988年 | 14篇 |
1987年 | 16篇 |
1986年 | 6篇 |
1985年 | 4篇 |
1984年 | 2篇 |
1955年 | 1篇 |
排序方式: 共有4133条查询结果,搜索用时 0 毫秒
1.
考虑两种蠓虫Af和Apf的鉴别分类问题,通过对已知数据的分析并讨论其分布图.利用最大间隔法的思想,建立了两种蠓虫的分类模型,通过对非线性同题的分析,采用循环代替与数值计算方法,得出了所给数据的蠓虫分类结果。最后应用最大间隔法和超平面思想,讨论了高维空间的蠓虫分类问题。 相似文献
2.
3.
为提升战时合成部队备件保障效能,需对其进行有效分类,以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题,提出了基于改进的局部保持投影的备件分类方法。首先,根据战时备件分类储备的影响因素,作为备件分类的特征指标,其次,利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维,得到低维特征向量。再利用支持向量机(support vector machine,SVM)的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优,提升备件分类精度,得到满足备件分类准确率最优时的降维维数和分类器参数。最后,通过对演习装备备件分类的实例分析,验证了模型的可行性和合理性,并对比分析了其他分类方法,表明该方法能够较好地解决战时备件分类的问题。 相似文献
4.
针对载频-重频联合捷变体制雷达目标参数估计问题,提出了一种新的基于多重信号分类(multiple signal classification, MUSIC)算法的载频-重频联合捷变雷达目标参数估计方法。通过信号模型的空时等效,将时域信号的处理等效成空域阵列信号的处理,并将超分辨阵列信号处理方法应用到目标的参数估计中,从而把目标距离和速度的估计等效成阵列中二维参数的估计,解决了由于载频-重频联合捷变所带来的目标参数估计难题。仿真实验表明,所提方法能有效实现对目标距离和速度的超分辨估计。 相似文献
5.
针对现有多关系朴素贝叶斯分类器中存在的统计偏斜问题,扩展了语义关系图的定义,给出了一种新的统计计数方法,构建了相应得多关系朴素贝叶斯分类公式,形成了一种基于关系数据库技术的新的多关系朴素贝叶斯分类器。为高效进行关系表连接,采用元组ID传播方法对关系表进行虚拟连接。进一步提高分类准确率,基于互信息标准对属性进行剪枝。实验显示新的分类器具有良好的分类性能。 相似文献
6.
利用RCS幅度信息进行雷达目标识别 总被引:7,自引:0,他引:7
本文根据模糊分类的技术,提出了一种利用目标雷达散射截面(RCS)幅度时间序列来提取目标特征量、应用模糊数学原理进行综合判决的目标识别方法,给出了利用该方法和外场全尺寸目标静态RCS测量数据,对五种飞机和导弹目标进行特征提取和模糊识别的结果。 相似文献
7.
Linlin Jing Qingguo Bai Weiqun Guo Yan Feng Lin Liu Yingyu Zhang 《Systems Research and Behavioral Science》2020,37(2):255-276
Understanding the interactions between contributory factors associated with accidents is important. However, the widely applied Swiss cheese model (SCM) and the human factors analysis and classification system (HFACS) oversimplify the causes of accidents and ignore the interactions among the various components of an entire system, which is the essence of systems thinking. A new systems‐based accident model that reflects the nature of the accidents and can be explained by the underlying accident model must therefore be developed. This study aims to create a new accident model that represents the interactions between the contributory factors, which can offer a systems approach to conducting a comprehensive examination of accidents. We use data obtained from the official accident reports on 94 extraordinary major coal mining catastrophes that took place from 1997 to 2011 in China. The results reveal that all latent conditions, including external factors, organizational influences, unsafe supervision, and preconditions for unsafe behaviours can influence active failures, that is, unsafe behaviours. However, only the preconditions for unsafe behaviours can influence unsafe behaviours within the SCM and HFACS frameworks. Furthermore, latent conditions can affect each other within the contributory factors interactions model. This study provides a new systems‐based accident model that allows us to examine and explain the relationships and linkages within and between complex sociotechnical systems and identify the common factors and interactions that cross human, external, and organizational factors. 相似文献
8.
针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先,采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后,对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。 相似文献
9.
针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。 相似文献
10.
高维数据分类方法研究 总被引:1,自引:0,他引:1
在对高维度数据进行模式分类时,能否有效进行降维是一个关键问题.提出了一种结合高斯过程潜变量模型(GPLVM)和支持向量机(SVM)的阶梯跳跃降维分类框架方法,能有效的降低样本数据维数,同时提高分类器性能.利用GPLVM实现数据的平滑映射,对输入样本进行非线性降维后,根据SVM的分类校验结果进行下一步降维迭代操作;计算新的阶梯维数,根据反馈动态调整降维输入数据.利用该方法对UCI上的数据集进行分类,仿真结果验证了方法的有效性. 相似文献