全文获取类型
收费全文 | 48篇 |
免费 | 5篇 |
专业分类
电工技术 | 4篇 |
综合类 | 7篇 |
化学工业 | 9篇 |
机械仪表 | 7篇 |
建筑科学 | 3篇 |
矿业工程 | 2篇 |
能源动力 | 1篇 |
石油天然气 | 2篇 |
无线电 | 1篇 |
自动化技术 | 17篇 |
出版年
2022年 | 2篇 |
2021年 | 4篇 |
2020年 | 2篇 |
2019年 | 1篇 |
2018年 | 2篇 |
2016年 | 2篇 |
2015年 | 1篇 |
2014年 | 1篇 |
2013年 | 1篇 |
2012年 | 4篇 |
2011年 | 2篇 |
2010年 | 1篇 |
2009年 | 5篇 |
2008年 | 1篇 |
2007年 | 2篇 |
2006年 | 4篇 |
2005年 | 2篇 |
2004年 | 4篇 |
2002年 | 2篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1997年 | 2篇 |
1994年 | 1篇 |
1992年 | 1篇 |
1991年 | 3篇 |
排序方式: 共有53条查询结果,搜索用时 15 毫秒
1.
社区发现算法对分析复杂网络的拓扑和层次结构、预测复杂网络的演化趋势等具有十分重要的意义。传统的社区发现算法划分精度不高,忽略了网络嵌入的重要性。针对这样的问题,提出了基于节点相似性和网络嵌入Node2Vec方法的无参数社区发现算法。首先,使用网络嵌入Node2Vec方法将网络节点映射成欧氏空间中低维向量表示的数据点,计算低维向量表示的数据点之间的余弦相似性,根据相应节点间的最大相似性构建偏好网络,得到初始社区划分,把每个初始社区的最大度节点作为备选节点;然后根据网络平均度和平均最短路径找出备选节点中的中心节点;最后将中心节点对应的数据点及其数量作为初始质心和聚类数,用K-Means算法对低维向量表示的数据点进行聚类,从而对相应的网络节点完成社区划分。该算法为无参数社区划分方法,可以自主地从网络中提取参数,无须根据网络的不同设定不同的超参数,从而可以自动地快速识别复杂网络的社区结构。在8个真实网络和人工网络上,将其与其他5个知名社区发现算法相比较,数值仿真实验表明所提算法具有很好的社区发现效果。 相似文献
2.
分类方法通过比较数据之间的相似性,把不同特征或属性的数据分别归属到不同的类别,在金融、医学和生物等领域有着广泛的应用.本文首次提出了一种利用社区选举和链路预测的分类方法(CCELP),该方法首先用k近邻算法将数据集转化成一个稀疏网络,接着使用社区检测算法把网络划分为多个社区,并通过投票选举得到每个社区的代表节点,移除不符合“过半数原则”的部分代表节点,将剩余代表节点同社区内节点相连得到新网络;接着提出了考虑二级共同邻居的分类链路预测(CLP)指标,在新网络中按照节点和代表节点间的CLP指标把节点归属到不同的类别中去,从而完成数据分类.在16个数据集上,CCELP与8种知名分类方法进行了比较,实验结果表明CCELP具有优异的分类效果. 相似文献
3.
4.
从医院健康体检中心的规划、流程与布局、室内设计与人性化等几个方面加以阐述,将工作中积累的一些经验与各位同行分享. 相似文献
5.
6.
介绍了用含一定量棕黑腐植酸的风化煤和含一定量黄腐酸的草炭,生产具有一定颗粒强度的腐植酸有机肥的生产工艺流程和方法。 相似文献
7.
YZ-84润滑减阻剂是以腐植酸盐为y型原料,用造纸废液为Z型原料,以及其他原料制成。它具有润滑、减阻性能好,清洗能力强,性能稳定,可复配使用,不结垢、不粘管,使用方便,成本低等特点,完全能满足新型小口径金刚石钻机高速钻进、绳索取心的技术要求。 相似文献
8.
为了解决新型小口径金刚石钻机在高速钻探时产生的阻力大,不易钻进;产生的高温易损坏金刚石钻头和产生的泥土、泥沙等易结垢、粘管给绳索取心造成困难等技术难题,现以腐植酸盐、造纸废液以及其它原料制成腐植酸类润滑减阻剂(即YZ-84润滑减阻剂)。经过在钻探生产实际中应用试验证明,腐植酸类润滑减阻剂具有润滑、减阻性能好,清洗能力强,性能稳定,可复配使用,不结垢、不粘管,使用方便,成本低等特点,完全能满足新型小口径金刚石高速钻进,绳索取心的技术要求。 相似文献
9.
针对给定的大规模数据集的回归估计问题,提出基于支持向量机的模糊回归估计方法.该方法把复杂的数据集看作多个群体的混合,每个群体采用单一的回归模型进行描述,使得大规模数据集的回归估计问题变成了一个多模型估计问题.在此基础上把支持向量机与模糊C聚类结合起来得到基于支持向量机的模糊回归模型,并给出了实现该模型回归估计的算法.该方法对大规模的数据样本进行模糊C聚类,并回归估计各聚类的数据样本.数值仿真结果表明,该方法在聚类数据样本的同时能实现多个模型的回归估计,而且模糊隶属度的初始化影响要小于其他的模糊回归估计方法. 相似文献
10.
发现复杂网络中最具影响力的节点,有助于分析和控制网络中的信息传播,具有重要的理论意义和实用价值.传统的确定节点影响力的方法大多基于网络的邻接矩阵、拓扑结构等,普遍存在数据维度高和数据稀疏的问题,基于网络表征学习,本文提出了一种局部中心性指标来辨识网络中高影响节点(NLC),首先采用DeepWalk算法,把高维网络中的节点映射为一个低维空间的向量表示,并计算局部节点对之间的欧氏距离;接着根据网络的拓扑结构,计算每个节点在信息的传播过程中,对所在局部的影响力大小,用以识别高影响力节点.在八个真实网络中,以SIR和SI传播模型作为评价手段,将NLC算法和度中心性、接近中心性、介数中心性、邻居核中心性、半局部中心性做了对比,结果表明NLC算法具有良好的识别高影响力传播节点的性能. 相似文献