全文获取类型
收费全文 | 14211篇 |
国内免费 | 653篇 |
完全免费 | 2029篇 |
专业分类
自动化技术 | 16893篇 |
出版年
2020年 | 36篇 |
2019年 | 80篇 |
2018年 | 199篇 |
2017年 | 248篇 |
2016年 | 151篇 |
2015年 | 448篇 |
2014年 | 1037篇 |
2013年 | 874篇 |
2012年 | 1005篇 |
2011年 | 1183篇 |
2010年 | 1234篇 |
2009年 | 1370篇 |
2008年 | 1747篇 |
2007年 | 1784篇 |
2006年 | 1395篇 |
2005年 | 848篇 |
2004年 | 683篇 |
2003年 | 619篇 |
2002年 | 425篇 |
2001年 | 220篇 |
2000年 | 224篇 |
1999年 | 223篇 |
1998年 | 145篇 |
1997年 | 135篇 |
1996年 | 130篇 |
1995年 | 110篇 |
1994年 | 106篇 |
1993年 | 33篇 |
1992年 | 32篇 |
1991年 | 47篇 |
1990年 | 31篇 |
1989年 | 23篇 |
1988年 | 23篇 |
1987年 | 10篇 |
1986年 | 13篇 |
1985年 | 3篇 |
1984年 | 6篇 |
1983年 | 3篇 |
1982年 | 1篇 |
1979年 | 4篇 |
1978年 | 1篇 |
1977年 | 2篇 |
1975年 | 2篇 |
排序方式: 共有16893条查询结果,搜索用时 62 毫秒
1.
2.
3.
4.
佳点集遗传算法 总被引:91,自引:5,他引:86
该文借助于遗传算法的理想浓度模型以及由此模型对遗传算法的机理的分析,给出了遗传算法的运行机理发及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则蛎:导向以高适应度模式为祖先的“家族”方向,以此结论为基础,利用数论中的佳点休的理论和方法,对GA算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为佳点集遗传算法,最后作者将佳点GA算法应用于求解优化问题、SAT问题、TSP问题和背包问题,并与其它求解SAT算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其它方法常有的早期收敛的现象,这说明作者对GA算法机理的理解和佳点CA算法可能为GA算法的研究开辟一条新的途径。 相似文献
5.
众所周知,“模式定理”和“隐性并行性”是遗传算法(genetic algorithms,简称GA算法)的两大理论基础.该文对这两个原理进行分析,指出这两个原理存在有不严格和不足之处,即作为GA算法的基础,这两个原理尚欠完善.为加深对GA的理解,文章提出遗传算法的一个新的改进模型——理想浓度模型.通过对此模型的分析,得出遗传算法本质上是一个具有定向制导的随机搜索技术.其定向制导原则是,导向以适应度高的模式为祖先的染色体“家族”方向.最后给出两个典型的函数求最大值的模拟例子.从模拟结果看,改进后的GA算法大大提高了算法的速度,解的精度也有所提高.这说明新算法具有应用的潜力. 相似文献
6.
7.
在数据库中发现具有时态约束的关联规则 总被引:49,自引:0,他引:49
目前,国际上的关联规则研究尚未考虑时间因素.然而,时间是现实世界的固有属性,许多现实 世界数据库都存在时态语义问题.该文考察称为有效时间的时态约束问题,提出了时间区间延 展与归并技术以及新的时态关联规则发现算法,从而进一步推广了关联规则的应用. 相似文献
8.
由于资源具有广域分布、异构、动态等特性,计算网格环境下资源的管理和调度是一个非常复杂且具有挑战性的问题.提出了计算网格环境下一组相互独立的计算任务(meta-task)的资源映射策略.该策略采用重复映射方法,以更好地适应网格计算环境下的动态性和自治性.算法考虑到任务的输入数据位置对映射效果的影响;通过定义效益函数,该策略在追求较小的任务完成时间的同时兼顾任务的服务质量(QoS)需求.模拟实验结果显示,该映射策略更符合计算网格的复杂环境,能够更好地满足不同用户的实际需要. 相似文献
9.
基于多项式拟合算法的EMD端点问题的处理 总被引:47,自引:3,他引:44
经验模态分解(EMD)是由Huang等发展的一种新的数据分析方法,但是在利用样条插值获得上下包络过程中存在着棘手的端点问题。文章在解决该问题已有算法的基础上,提出了多项式拟合算法。它利用多项式来拟合临近端点处的极值点序列,再由此多项式求出极值点序列在端点处的近似取值,使得对极值点进行插值的三次样奈在端点处不会发生大的摆动。通过对三种算法进行比较,证明了多项式拟合算法可以有效地抑制端点效应。 相似文献
10.