全文获取类型
收费全文 | 180篇 |
免费 | 66篇 |
国内免费 | 37篇 |
专业分类
电工技术 | 21篇 |
综合类 | 22篇 |
化学工业 | 9篇 |
金属工艺 | 6篇 |
机械仪表 | 31篇 |
矿业工程 | 6篇 |
能源动力 | 3篇 |
水利工程 | 2篇 |
石油天然气 | 3篇 |
武器工业 | 1篇 |
无线电 | 28篇 |
一般工业技术 | 11篇 |
冶金工业 | 4篇 |
自动化技术 | 136篇 |
出版年
2024年 | 2篇 |
2023年 | 5篇 |
2022年 | 8篇 |
2021年 | 6篇 |
2020年 | 8篇 |
2019年 | 7篇 |
2018年 | 13篇 |
2017年 | 11篇 |
2016年 | 15篇 |
2015年 | 13篇 |
2014年 | 29篇 |
2013年 | 20篇 |
2012年 | 26篇 |
2011年 | 25篇 |
2010年 | 22篇 |
2009年 | 17篇 |
2008年 | 10篇 |
2007年 | 22篇 |
2006年 | 10篇 |
2005年 | 5篇 |
2004年 | 5篇 |
2003年 | 4篇 |
排序方式: 共有283条查询结果,搜索用时 0 毫秒
51.
52.
提出了一种新的基于双决策子空间和径向基函数(RBF)神经网络的人脸表情识别方法。该方法首先采用KPCA+ FLD算法在双决策子空间(核空间和值域空间)中进行决策分析,提取两类判决特征信息:非常规信息和常规信息,并按一定的规则融合这两类判决信息;再运用RBF神经网络分类器和融合特征信息进行人脸表情的分类识别。基于日本女性表情数据库JAFFE的实验结果表明,它是一种有效的人脸表情识别方法。 相似文献
53.
《Measurement》2016
Because planetary gear is characterized by its small size, light weight and large transmission ratio, it is widely used in large-scale, low-speed and heavy-duty mechanical systems. Therefore, the fault diagnosis of planetary gear is a key to ensure the safe and reliable operation of such mechanical equipment. A fault diagnosis method of planetary gear based on the entropy feature fusion of ensemble empirical mode decomposition (EEMD) is proposed. The intrinsic mode functions (IMFs) with small modal aliasing are obtained by EEMD, and the original feature set is composed of various entropy features of each IMF. To address the insensitive features in the original feature set and the excessive feature dimension, kernel principal component analysis (KPCA) is used to process the original feature set. Kernel principal component extraction and feature dimension reduction are performed. The fault diagnosis of planetary gear is eventually realized by applying the extracted kernel principal components and learning vector quantization (LVQ) neural network. The experiments under different operation conditions are carried out, and the experimental results indicate that the proposed method is capable of extracting the sensitive features and recognizing the fault statuses. The overall recognition rate reaches to 96% when the motor output frequency is 45 Hz and the load is 13.5 N m, and the fault recognition rates of the normal gear, the gear with one missing tooth and the broken gear can reach to 100%. The recognition rates of different fault gears under other operation conditions also can achieve better results. Thus, the proposed method is effective for the diagnosis of planetary gear faults. 相似文献
54.
55.
针对影响用水总量的相关用水因子的不确定性和非线性多维特点,论文研究并提出了一种融合KPCA和思维优化BP神经网络的用水总量预测方法。首先运用相关系数法确定预测因子,然后利用核主成分分析(KPCA)对所述预测因子进行降维处理,解决数据之间的非线性特征,最后采用BP神经网络建立用水总量预测模型,同时采用思维进化学习算法优化BP神经网络的权值和阈值。该方法在国家统计局的2007-2016年度开放统计用水数据中实验,通过实验比较,该模型的相对预测误差小于5%,结果表明,融合 KPCA和思维优化BP神经网络的用水总量预测模型能很好的预测未来用水总量。 相似文献
56.
57.
采用图像处理技术,提出了一种基于核主成分分析(KPCA)与支持向量机(SVM)的鱼年龄自动识别新方法。首先通过KPCA提取鱼的耳石图像的主元,然后用SVM对鱼的年龄进行学习、识别和预测。实验表明,该方法取得了较好的效果。 相似文献
58.
59.
60.
基于核主元分析与神经网络的传感器故障诊断新方法 总被引:5,自引:0,他引:5
提出综合利用核函数主元分析(KPCA)和神经网络的方法实现非线性系统内传感器故障的检测和识别,克服了以往核函数主元分析法只能给出故障检测结果,却无法对故障进行识别的缺陷,并给出了在特征空间中计算残差的简单方法.最后,对一个简单的多变量过程进行了故障检测和识别,验证了这一诊断策略的有效性. 相似文献