全文获取类型
收费全文 | 78篇 |
免费 | 32篇 |
国内免费 | 25篇 |
专业分类
电工技术 | 1篇 |
综合类 | 4篇 |
化学工业 | 2篇 |
机械仪表 | 2篇 |
建筑科学 | 2篇 |
轻工业 | 4篇 |
石油天然气 | 3篇 |
无线电 | 10篇 |
一般工业技术 | 2篇 |
自动化技术 | 105篇 |
出版年
2022年 | 2篇 |
2019年 | 1篇 |
2018年 | 3篇 |
2017年 | 4篇 |
2016年 | 2篇 |
2015年 | 4篇 |
2014年 | 15篇 |
2013年 | 12篇 |
2012年 | 17篇 |
2011年 | 23篇 |
2010年 | 9篇 |
2009年 | 12篇 |
2008年 | 8篇 |
2007年 | 3篇 |
2006年 | 6篇 |
2004年 | 1篇 |
2003年 | 2篇 |
2002年 | 1篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1996年 | 1篇 |
1994年 | 2篇 |
1992年 | 1篇 |
1989年 | 2篇 |
排序方式: 共有135条查询结果,搜索用时 31 毫秒
1.
2.
为提高局部保持投影(LPP)在人脸图像超分辨率中的适用性,在LPP中引入典型相关分析(CCA),提出一种相关性增强的局部保持投影方法(CELPP)。CELPP用于提取高分辨率图像与低分辨率图像特征,根据关系学习建立低分辨率图像特征与高分辨率图像特征之间的映射变换,输入低分辨率图像,通过CELPP特征提取和关系映射,得到高分辨率图像,并将其用于人脸识别。对人脸库ORL和Yale进行的实验结果表明,该方法同时考虑了高分辨率图像与低分辨率图像的相似性及同类图像的局部结构性,在基于人脸识别的超分辨率应用中优于LPP和CCA。 相似文献
3.
In this work, we discuss a recently proposed approach for supervised dimensionality reduction, the Supervised Distance Preserving Projection (SDPP) and, we investigate its applicability to monitoring material's properties from spectroscopic observations. Motivated by continuity preservation, the SDPP is a linear projection method where the proximity relations between points in the low-dimensional subspace mimic the proximity relations between points in the response space. Such a projection facilitates the design of efficient regression models and it may also uncover useful information for visualisation. An experimental evaluation is conducted to show the performance of the SDPP and compare it with a number of state-of-the-art approaches for unsupervised and supervised dimensionality reduction. The regression step after projection is performed using computationally light models with low maintenance cost like Multiple Linear Regression and Locally Linear Regression with k-NN neighbourhoods. For the evaluation, a benchmark and a full-scale calibration problem are discussed. The case studies pertain the estimation of a number of chemico-physical properties in diesel fuels and in light cycle oils, starting from near-infrared spectra. Based on the experimental results, we found that the SDPP leads to parsimonious projections that can be used to design light and yet accurate estimation models. 相似文献
4.
邻域保持嵌入是局部线性嵌入的线性近似,强调保持数据流形的局部结构.改进的最大间隔准则重视数据流形的判别和几何结构,提高了对数据的分类性能.文中提出的核岭回归的邻域保持最大间隔分析既保持流形的局部结构,又使不同类别的数据保持最大间隔,以此构建算法的目标函数.为了解决数据流形高度非线性化的问题,算法采用核岭回归计算特征空间的变换矩阵.先求解数据样本在核子空间中降维映射的结果,再解得核子空间.在标准人脸数据库上的实验表明该算法正确有效,并且识别性能优于普通的流形学习算法. 相似文献
5.
6.
提出了一种基于图像分块的二维保局投影(分块2DLPP)的人脸识别方法.先对原始图像矩阵进行分块,然后对分块子图像施行2DLPP方法,再将各个分块按照一定的次序整合起来进行特征提取,从而实现图像降维.该方法能有效地提取图像的局部特征.实验表明:该方法在识别性能上优于2DLPP方法. 相似文献
7.
隐私保护数据挖掘(PPDM)利用匿名化等方法使数据所有者在不泄露隐私信息的前提下,安全发布在数据挖掘中有效可用的数据集。k-匿名算法作为PPDM研究使用最广泛的算法之一,具有计算开销低、数据形变小、能抵御链接攻击等优点,但是在一些k-匿名算法研究中使用的数据可用性评估模型的权重设置不合理,导致算法选择的最优匿名数据集在后续的分类问题中分类准确率较低。提出一种使用互信息计算权重的互信息损失(MI Loss)评估模型。互信息反映变量间的关联关系,MI Loss评估模型根据准标识符和标签之间的互信息计算权重,并通过Loss公式得到各个准标识符的信息损失,将加权后的准标识符信息损失的和作为数据集的信息损失,以弥补评估模型的缺陷。实验结果证明,运用MI Loss评估模型指导k-匿名算法能够明显降低匿名数据集在后续分类中的可用性丢失,相较于Loss模型和Entropy Loss模型,该模型分类准确率提升了0.73%~3.00%。 相似文献
8.
9.
10.