全文获取类型
收费全文 | 50篇 |
免费 | 6篇 |
国内免费 | 15篇 |
专业分类
电工技术 | 1篇 |
综合类 | 3篇 |
化学工业 | 2篇 |
金属工艺 | 1篇 |
机械仪表 | 1篇 |
建筑科学 | 2篇 |
矿业工程 | 1篇 |
能源动力 | 3篇 |
轻工业 | 8篇 |
石油天然气 | 5篇 |
无线电 | 3篇 |
自动化技术 | 41篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 2篇 |
2021年 | 3篇 |
2019年 | 5篇 |
2017年 | 3篇 |
2016年 | 5篇 |
2015年 | 4篇 |
2014年 | 1篇 |
2013年 | 6篇 |
2012年 | 8篇 |
2011年 | 4篇 |
2010年 | 1篇 |
2009年 | 3篇 |
2008年 | 5篇 |
2007年 | 4篇 |
2006年 | 3篇 |
2005年 | 2篇 |
2004年 | 4篇 |
2003年 | 1篇 |
2002年 | 1篇 |
2001年 | 2篇 |
排序方式: 共有71条查询结果,搜索用时 15 毫秒
1.
有向无环图支持向量机( DAG-SVM)对于N类别分类问题,会构造N ×( N-1)/2个支持向量机分类器(为每2个类构造一个支持向量机),DAG-SVM可能出现由于节点选择不佳而导致整个分类器分类结果较差的情况。为此,提出一种改进的DAG-SVM。通过为每一层建立备选节点集合进行节点选择,选取下层备选节点集合中训练分类精度最高的一个节点组合作为当前层节点的下层节点,从而优化DAG-SVM的拓扑结构。实验结果表明,与已有的DAG-SVM,1-vs-1 SVM,1-vs-a SVM方法相比,该方法的分类精度较高。 相似文献
2.
3.
对医学图像进行分类时,特征选择是影响分类准确率的非常重要的因素。针对医学图像的特殊性,以及目前提出的特征选择算法在应用于医学图像分类时效果不够理想等问题,提出一种基于邻域关系的模糊粗糙集模型,基于该模型给出特征选择算法,并将其应用于乳腺X光图像。实验结果表明,同已有的算法相比,该方法能有效选择特征,分类精度有较大的提升。 相似文献
4.
利用数据挖掘方法对医学图像做分析是目前研究的热点之一,常用的挖掘方法首先需要从医学图像中提取特征,然后进行分类分析。目前,应用最多的是提取图像的统计特征,这种方法对所提取的特征有很强的依赖性。采用一种深度学习的新方法——卷积受限玻尔兹曼机模型,并且采用改进的快速持续对比散度算法对模型进行训练。该方法直接从乳腺X光图像中自主学习特征并利用学习到的特征对图像进行分类。实验结果显示,新方法对医学图像的分类精度相对于已有方法有明显的提升。 相似文献
5.
6.
虚拟桌面环境中若采用传统基于主机的杀毒方式,会引起很大的系统开销并且需要及时更新本地病毒库;若采用新型的云计算杀毒方式占有网络带宽大,效率低.为解决以上问题,提出了新的虚拟桌面杀毒模型(virtual desktop antivirus model,VDAM),同时实现杀毒代理端3种可疑文件处理方式,包括文件签名方式、文件分解方式以及混合方式.实验表明,该模型与现有方式相比,能够减少系统开销和网络带宽占用率. 相似文献
7.
面对在中国城市普遍存在“城中村”的现象,调查了“城中村”目前的人居现状及人居环境中存在的大量问题,提出改造城中村的思路与模式,揭示“城中村”实现合理城市化的重要意义。 相似文献
8.
在多标记学习中,每个样本都由一个实例表示,并与多个类标记相关联。现有的多标记学习算法大多是在全局利用标记相关性,即假设所有的样本共享不同类别标记之间的正相关性。然而,在实际应用中,不同的样本共享不同的标记相关性,标记间不仅存在正相关性,而且存在相互排斥的现象,即负相关性。针对这一问题,提出了基于局部正、负成对标记相关性的k近邻多标记分类算法PNLC。首先,对多标记数据的特征向量进行预处理,分别为每类标记构造对该类标记最具有判别能力的属性特征;然后,在训练阶段,PNLC算法通过所有训练样本中各样本的每个k近邻的真实标记构建标记之间的正、负局部成对相关性矩阵;最后,在测试阶段,首先得到每个测试样例的k近邻及其对应的正、负成对标记关系,利用该标记关系计算最大后验概率对测试样例进行预测。实验结果表明,PNLC算法在yeast和image数据集上的分类准确率明显优于其他常用的多标记分类算法。 相似文献
9.
视网膜血管分割在许多眼科疾病诊断和治疗方面至关重要。对复杂的视网膜结构及低对比度眼底图像来说,准确地分割视网膜图像的血管特征仍具有挑战性。联合注意力和Transformer的视网膜血管分割网络JAT-Net,通过对编码阶段特征的通道信息和位置信息联合关注增强编码局部细节特征,利用Transformer增强对长距离上下文信息和空间依赖关系建模的能力。在DRIVE和CHASE数据集上进行视网膜血管分割实验,其准确率分别为0.970 6和0.977 4,F1分数分别为0.843 3和0.815 4,在视网膜血管分割方面表现不错。 相似文献
10.