全文获取类型
收费全文 | 73329篇 |
免费 | 7588篇 |
国内免费 | 5405篇 |
专业分类
电工技术 | 8345篇 |
技术理论 | 2篇 |
综合类 | 6046篇 |
化学工业 | 12633篇 |
金属工艺 | 7460篇 |
机械仪表 | 4195篇 |
建筑科学 | 2291篇 |
矿业工程 | 1748篇 |
能源动力 | 1740篇 |
轻工业 | 5419篇 |
水利工程 | 1336篇 |
石油天然气 | 5435篇 |
武器工业 | 908篇 |
无线电 | 7414篇 |
一般工业技术 | 7088篇 |
冶金工业 | 3480篇 |
原子能技术 | 1520篇 |
自动化技术 | 9262篇 |
出版年
2024年 | 552篇 |
2023年 | 2397篇 |
2022年 | 2394篇 |
2021年 | 2767篇 |
2020年 | 2579篇 |
2019年 | 2901篇 |
2018年 | 1721篇 |
2017年 | 2295篇 |
2016年 | 2627篇 |
2015年 | 3005篇 |
2014年 | 4999篇 |
2013年 | 4010篇 |
2012年 | 4978篇 |
2011年 | 4979篇 |
2010年 | 4369篇 |
2009年 | 4446篇 |
2008年 | 4811篇 |
2007年 | 4136篇 |
2006年 | 3662篇 |
2005年 | 3639篇 |
2004年 | 2684篇 |
2003年 | 2217篇 |
2002年 | 1887篇 |
2001年 | 1666篇 |
2000年 | 1410篇 |
1999年 | 1189篇 |
1998年 | 1059篇 |
1997年 | 1046篇 |
1996年 | 975篇 |
1995年 | 934篇 |
1994年 | 801篇 |
1993年 | 682篇 |
1992年 | 584篇 |
1991年 | 544篇 |
1990年 | 502篇 |
1989年 | 505篇 |
1988年 | 86篇 |
1987年 | 58篇 |
1986年 | 40篇 |
1985年 | 41篇 |
1984年 | 36篇 |
1983年 | 34篇 |
1982年 | 35篇 |
1981年 | 6篇 |
1980年 | 5篇 |
1979年 | 3篇 |
1959年 | 7篇 |
1957年 | 1篇 |
1951年 | 16篇 |
1949年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 515 毫秒
941.
942.
为提高节点在无线传感器网络中的自部署性能,本文以虚拟力导向粒子群算法为基石,在部署区域内,采用正方形网格划分方式,并引入一种改进的自适应差分进化策略,对原算法进行改进。改进算法引入了移动目的地对移动节点的引力作用,并通过自适应调整,有目的的向扩大网络覆盖率的目标进化,从而最大限度地优化节点的部署速度和网络的覆盖率。通过对该算法的性能进行了仿真与分析,在网络覆盖率、算法收敛速度以及部署时间等方面,相比于经典虚拟力算法及虚拟力导向粒子群算法,该算法具有更佳的部署性能。 相似文献
943.
传统K-means算法对初始聚类中心选择较敏感, 结果有可能收敛于一般次优解, 为些提出一种结合双粒子群和K-means的混合文本聚类算法。设计了自调整惯性权值策略, 根据最优适应度值的变化率动态调整惯性权值。两子群分别采用基于不同惯性权值策略的粒子群算法进化, 子代间及子代与父代信息交流, 共享最优粒子, 替换最劣粒子, 完成进化, 该算法命名为双粒子群算法。将能平衡全局与局部搜索能力的双粒子群算法与高效的K-means算法结合, 每个粒子是一组聚类中心, 类内离散度之和的倒数是适应度函数, 用K-means算法优化新生粒子, 即为结合双粒子群和K-means的混合文本聚类算法。实验结果表明, 该算法相对于K-means、PSO等文本聚类算法具有更强鲁棒性, 聚类效果也有明显的改善。 相似文献
944.
为了使多目标粒子群算法中种群粒子能够快速地收敛于怕累托最优边界,针对标准多目标粒子群算法中缺乏粒子评价标准以及种群个体历史最优值位置和全局最优值位置选择问题,提出了一种基于环境选择和配对选择策略的多目标粒子群算法.该算法在每次迭代时,采用SPEA2中的环境选择和配对选择策略及适应度值计算方法,以此来提高种群粒子之间的信息交换力度,减少标准多目标粒子群算法中大量的随机性,使种群粒子能够更快速地收敛于怕累托最优边界.经典测试函数的仿真实验结果表明,在标准多目标粒子群算法中运用SPEA2的环境选择、配对选择策略和适应度值计算方法,能够使种群粒子更快速地收敛于帕累托最优边界,验证了算法改进的可行性和有效性. 相似文献
945.
946.
针对空中交通管理中的进港航班排序问题, 提出了人工鱼群—粒子群混合算法(AFPSO)这一航班排序算法来优化进港航班排序, 使时段内进港航班队列总延误时间最少。算法结合了基本人工鱼群算法(AFSA)和基本粒子群算法(PSO)各自的优点, 先以AFSA在全局寻找满意的解域, 再以PSO算法在这些解域中进行快速的局部搜索获得精确解, 最终使算法提高收敛速度和搜索精度。仿真结果表明, 在单跑道和双跑道情况下, AFPSO算法使得航班队列总延误时间比FCFS调度方法减少了20. 9%和34. 4%, 比基本AFSA减少了3. 2%和3. 5%。算法得到的满意解能够为自动化空中交通管理提供实时支持。 相似文献
947.
为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型。该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型。通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性。 相似文献
948.
949.
950.