全文获取类型
收费全文 | 4433篇 |
免费 | 709篇 |
国内免费 | 722篇 |
专业分类
电工技术 | 287篇 |
综合类 | 398篇 |
化学工业 | 109篇 |
金属工艺 | 83篇 |
机械仪表 | 153篇 |
建筑科学 | 161篇 |
矿业工程 | 59篇 |
能源动力 | 70篇 |
轻工业 | 113篇 |
水利工程 | 69篇 |
石油天然气 | 124篇 |
武器工业 | 25篇 |
无线电 | 939篇 |
一般工业技术 | 142篇 |
冶金工业 | 75篇 |
原子能技术 | 30篇 |
自动化技术 | 3027篇 |
出版年
2024年 | 304篇 |
2023年 | 720篇 |
2022年 | 814篇 |
2021年 | 814篇 |
2020年 | 514篇 |
2019年 | 450篇 |
2018年 | 170篇 |
2017年 | 188篇 |
2016年 | 129篇 |
2015年 | 104篇 |
2014年 | 150篇 |
2013年 | 105篇 |
2012年 | 118篇 |
2011年 | 116篇 |
2010年 | 93篇 |
2009年 | 112篇 |
2008年 | 124篇 |
2007年 | 120篇 |
2006年 | 88篇 |
2005年 | 98篇 |
2004年 | 73篇 |
2003年 | 84篇 |
2002年 | 79篇 |
2001年 | 45篇 |
2000年 | 62篇 |
1999年 | 34篇 |
1998年 | 31篇 |
1997年 | 29篇 |
1996年 | 21篇 |
1995年 | 13篇 |
1994年 | 12篇 |
1993年 | 14篇 |
1992年 | 11篇 |
1991年 | 9篇 |
1990年 | 9篇 |
1989年 | 5篇 |
1986年 | 1篇 |
1959年 | 1篇 |
排序方式: 共有5864条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
示例学习的扩张矩阵理论 总被引:30,自引:2,他引:28
本文提出示例学习的一种计算理论,扩张矩阵论.根据这个理论,示例学习中一些主要最优化问题被证明是NP难题,并给出这些难题的近似解法及下界的估计. 相似文献
5.
《智能系统学报》2012,(4):338
The aim of the conference is to bring together researchers from all over the world who deal with machine learningand data mining in order to discuss the recent status of the research and to direct further developments.Basic re-search papers as well as application papers are welcome. 相似文献
6.
7.
随着第五代(the fifth generation,5G)移动通信系统商用进程的推进,设备到设备(device-to-device,D2D)通信越发受到人们的关注.频率、功率等资源分配作为优化D2D通信的关键技术成为重要的研究课题,因此对蜂窝网络中D2 D通信资源分配研究进行综述.首先介绍D2 D通信模型和模式;其次从数学理论角度出发,分析蜂窝网络中D2 D通信资源分配的主要方法:基于图论、超图理论、博弈论、机器学习和启发式算法等,对这些算法进行对比分析;最后总结上述D2 D资源分配方法存在的主要不足,并对蜂窝网络中D2 D通信的未来发展进行展望. 相似文献
8.
差分隐私保护及其应用 总被引:3,自引:0,他引:3
《计算机学报》2014,(1)
数据发布与数据挖掘中的隐私保护问题是目前信息安全领域的一个研究热点.作为一种严格的和可证明的隐私定义,差分隐私近年来受到了极大关注并被广泛研究.文中分析了差分隐私保护模型相对于传统安全模型的优势,对差分隐私基础理论及其在数据发布与数据挖掘中的应用研究进行综述.在数据发布方面,介绍了各种交互式和非交互式的差分隐私保护发布方法,并着重从精确度和样本复杂度的角度对这些方法进行了比较.在数据挖掘方面,阐述了差分隐私保护数据挖掘算法在接口模式和完全访问模式下的实现方式,并对这些算法的执行性能进行了分析.最后,介绍了差分隐私保护在其它领域的应用,并展望未来的研究方向. 相似文献
9.
在多标记学习框架中,每个对象由一个示例(属性向量)描述,却同时具有多个类别标记.在已有的多标记学习算法中,一种常用的策略是将相同的属性集合应用于所有类别标记的预测中.然而,该策略并不一定是最优选择,原因在于每个标记可能具有其自身独有的特征.基于这个假设,目前已经出现了基于标记的类属属性进行建模的多标记学习算法LIFT.LIFT包含两个步骤:属属性构建与分类模型训练.LIFT首先通过在标记的正类与负类示例上进行聚类分析,构建该标记的类属属性;然后,使用每个标记的类属属性训练对应的二类分类模型.在保留LIFT分类模型训练方法的同时,考察了另外3种多标记类属属性构造机制,从而实现LIFT算法的3种变体——LIFT-MDDM,LIFT-INSDIF以及LIFT-MLF.在12个数据集上进行了两组实验,验证了类属属性对多标记学习系统性能的影响以及LIFT采用的类属属性构造方法的有效性. 相似文献
10.