全文获取类型
收费全文 | 118篇 |
免费 | 16篇 |
国内免费 | 17篇 |
专业分类
综合类 | 8篇 |
化学工业 | 1篇 |
机械仪表 | 1篇 |
石油天然气 | 1篇 |
无线电 | 12篇 |
一般工业技术 | 1篇 |
冶金工业 | 1篇 |
自动化技术 | 126篇 |
出版年
2019年 | 2篇 |
2018年 | 2篇 |
2016年 | 1篇 |
2015年 | 1篇 |
2013年 | 1篇 |
2012年 | 5篇 |
2011年 | 6篇 |
2010年 | 7篇 |
2009年 | 9篇 |
2008年 | 12篇 |
2007年 | 12篇 |
2006年 | 20篇 |
2005年 | 12篇 |
2004年 | 11篇 |
2003年 | 9篇 |
2002年 | 4篇 |
2001年 | 4篇 |
2000年 | 9篇 |
1999年 | 6篇 |
1998年 | 2篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1994年 | 2篇 |
1993年 | 2篇 |
1991年 | 2篇 |
1990年 | 3篇 |
1989年 | 3篇 |
1987年 | 2篇 |
排序方式: 共有151条查询结果,搜索用时 15 毫秒
11.
在多Agent系统的研究中,多Agent合作求解一直都是研究的热点和难点.合同网(CNET)协议是通过任务共享实现有效合作的高级协议,然而现实世界的情况非常复杂,当合同网中所有Agent均无能力完成任务时,多Agent系统将陷入任务无法完成的僵局.将任务设定为问题,即产生任务等价于产生问题,完成任务等价于解决问题.写作目的是讨论与研究僵局情况的问题解决算法;并且将这种在当时环境下无法解决的、需要通过补充更多的信息和经验才可以解决的问题称为"顿悟"问题.给出了解决"顿悟"问题的3种思路及算法,并提出了对"顿悟"问题进行重构的概念和模型,对多Agent系统中"顿悟"问题的研究进行了初步的探索. 相似文献
12.
基于多Agent技术构建了一个网上协作学习系统模型MACL,给出了系统的结构框架,就其中的学生模型的构建、协作学习小组的创建以及协作学习和评价机制进行了探讨,结合KQML通信机制设计了Agent的交互模型,并进一步研究了协作小组的创建策略和算法. 相似文献
13.
一个基于免疫的网络入侵检测模型 总被引:4,自引:0,他引:4
文章通过研究现有的入侵检测系统和学习计算免疫系统,提出了一种基于免疫的入侵检测模型。它运用免疫系统的多层性、分布性、自组织性等特性,通过具有免疫特性的多Agent实时检测网络,提高网络系统的安全性,具有分布性、适应性等特点。 相似文献
14.
15.
概念漂移探测是数据流挖掘具有挑战意义的研究难点,属性约简是粗糙集理论的研究核心.从概念漂移的角度研究了粗糙集理论的属性约简,从粗糙集属性约简的角度研究了概念漂移,将概念漂移和属性约简进行分析比较,指出了它们之间的区别和联系.提出了基于属性依赖度和条件熵的概念漂移探测准则,并将两种常用的概念漂移探测准则与属性依赖度、条件熵探测准则进行了比较.属性依赖度和条件熵兼具分类准确率的可实验检验和联合概率分布可进行理论分析的优点,还可以进行属性约简(或特征选择).实验结果显示,属性依赖度、条件熵和分类准确率都能有效地探测概念漂移,但是,与分类准确率相比,属性依赖度和条件熵在探测概念漂移时可以增加可重用性,减少工作量.属性约简和概念漂移之间关系的研究为属性约简、概念漂移的研究提供了新方法,为粗糙集、粒计算进一步融入大数据时代潮流提供了新思路. 相似文献
16.
17.
文章首先分析了Client/Server模型中中间件(middleware)的应用背量,阐述了中间件的概念。在此基础上,以南宁百货大楼商业自动化管理信息系统(NBMIS)的开发为例详细说明了基于多层结构(multitier)的中间件的一种实现方法。 相似文献
18.
集成学习已经成为机器学习的研究方向之一,它可以显著地提高分类器的泛化性能.本文分析了Bagging及AdaBoost集成方法,指出了这两种方法的缺陷;然后提出了一种新的基于神经网络的分类器集成方法DBNNE,该方法通过生成差异数据增加集成的差异性;另外,当生成一个分类器后,采用了测试方法确保分类器集成的正确率;最后针对十个标准数据集进行了实验研究,结果表明集成算法DBNNE在小规模数据集上优于Bagging及AdaBoost集成方法,而在较大数据集上也不逊色于这两种集成方法. 相似文献
19.
入侵检测系统中检测技术的研究 总被引:8,自引:0,他引:8
该文从基于专家系统的技术、基于统计分析的技术和基于生物模拟的技术3个方面对入侵检测技术的研究进行了介绍,并对它们各自的特点、优势和不足进行了分析,最后,给出了当前的研究热点。 相似文献
20.
特征选择(也称作属性选择)是简化数据表达形式,降低存储要求,提高分类精度和效率的重要途径。实际中遇到的大量的数据集包含着不完整数据。对于不完整数据,构造选择性分类器同样也可以降低存储要求,提高分类精度和效率。因此,对用于不完整数据的选择性分类器的研究是一项重要的研究课题。有鉴于此,提出了一种用于不完整数据的选择性贝叶斯分类器。在12个标准的不完整数据集上的实验结果表明,给出的选择性分类器不仅分类准确率显著高于非常有效地用于不完整数据的RBC分类器,而且分类性能更加稳定。 相似文献