全文获取类型
收费全文 | 3187篇 |
免费 | 275篇 |
国内免费 | 190篇 |
专业分类
电工技术 | 188篇 |
综合类 | 255篇 |
化学工业 | 293篇 |
金属工艺 | 210篇 |
机械仪表 | 180篇 |
建筑科学 | 246篇 |
矿业工程 | 111篇 |
能源动力 | 60篇 |
轻工业 | 269篇 |
水利工程 | 187篇 |
石油天然气 | 98篇 |
武器工业 | 74篇 |
无线电 | 243篇 |
一般工业技术 | 221篇 |
冶金工业 | 607篇 |
原子能技术 | 55篇 |
自动化技术 | 355篇 |
出版年
2024年 | 10篇 |
2023年 | 31篇 |
2022年 | 99篇 |
2021年 | 119篇 |
2020年 | 84篇 |
2019年 | 65篇 |
2018年 | 69篇 |
2017年 | 68篇 |
2016年 | 74篇 |
2015年 | 140篇 |
2014年 | 185篇 |
2013年 | 208篇 |
2012年 | 245篇 |
2011年 | 253篇 |
2010年 | 202篇 |
2009年 | 222篇 |
2008年 | 196篇 |
2007年 | 214篇 |
2006年 | 157篇 |
2005年 | 142篇 |
2004年 | 93篇 |
2003年 | 79篇 |
2002年 | 77篇 |
2001年 | 65篇 |
2000年 | 38篇 |
1999年 | 45篇 |
1998年 | 125篇 |
1997年 | 88篇 |
1996年 | 65篇 |
1995年 | 26篇 |
1994年 | 22篇 |
1993年 | 31篇 |
1992年 | 4篇 |
1991年 | 4篇 |
1990年 | 3篇 |
1989年 | 6篇 |
1988年 | 4篇 |
1987年 | 4篇 |
1986年 | 10篇 |
1985年 | 3篇 |
1984年 | 2篇 |
1983年 | 4篇 |
1982年 | 3篇 |
1981年 | 5篇 |
1980年 | 4篇 |
1979年 | 2篇 |
1978年 | 2篇 |
1977年 | 16篇 |
1976年 | 34篇 |
1955年 | 2篇 |
排序方式: 共有3652条查询结果,搜索用时 15 毫秒
81.
分布式本体集成框架下虚拟本体集合动态生成算法 总被引:1,自引:0,他引:1
为了有效组织和管理网格环境内存在的各类分布异构的本体资源,提出了基于网关服务的分布式本体集成框架.从体系结构角度对本体集成过程中涉及到的功能模块进行分析和划分,并基于网格服务设计了关键组件.在此基础上从提高计算资源利用率和满足用户多样性需求的角度出发,提出了虚拟本体集合动态生成算法.该算法将缓存技术与虚拟本体相结合,为本体数据的自动生成和再生成提供了较完整的系统方法,增强了本体资源的复用性.实验结果表明,该算法可以提高计算资源利用率,实现本体资源的复用率. 相似文献
82.
分析不同填充方法的特点,针对传统种子填充算法需要静态分配存储空间而造成空间利用率低和不断进出栈操作浪费时间的问题,对种子填充算法进行改进,提出了采用链表存储且对像素点先着色再入链的新方法。该方法根据实际需求动态的分配空间,减少了空间浪费,避免了一些不必要的操作,解决了计算机对大数据处理时由于内存不足而造成死机或处理时间过长的的问题。此方法应用于大模型油藏模型的高速显示系统,提高了空间利用率,实现了三维油藏模型的快速显示。 相似文献
83.
84.
85.
在基于子空间学习的背景建模方法中,利用背景信息对前景误差进行补偿有助于建立准确的背景模型.然而,当动态背景(摇曳的树枝、波动的水面等)和复杂前景等干扰因素存在时,补偿过程的准确性和稳定性会受到一定的影响.针对这些问题,本文提出了一种基于误差补偿的增量子空间背景建模方法.该方法可以实现复杂场景下的背景建模.首先,本文在误差补偿的过程中考虑了前景的空间连续性约束,在补偿前景信息的同时减少了动态背景的干扰,提高了背景建模的准确性.其次,本文将误差估计过程归结为一个凸优化问题,并根据不同的应用场合设计了相应的精确求解算法和快速求解方法.再次,本文设计了一种基于Alpha通道的误差补偿策略,提高了算法对复杂前景的抗干扰能力.最后,本文构建了不依赖于子空间模型的背景模板,减少了由前景信息反馈引起的背景更新失效,提高了算法的鲁棒性.多项对比实验表明,本文算法在干扰因素存在的情况下仍然可以实现对背景的准确建模,表现出较强的抗扰性和鲁棒性. 相似文献
86.
87.
用语言云模型发掘关联规则 总被引:55,自引:0,他引:55
该文提出用语言云模型用于KDD中知识表达和不确定性处理,引入了多维云模型作为一维模型的扩展.语言云的数字特征量将语言值的模糊性和随机性用统一的方式巧妙地综合到一起,基于云模型的概念层次结构可以跨越定量和定性知识之间的鸿沟.为了发现强关联规则,属性值要在较高的概念层上泛化,同时允许相邻属性值或语言项间有重叠.这种软划分可以模仿人类的思想,使发现的知识具有稳健性.将基于云模型的泛化方法与Apriori算法结合起来,从空间数据库中发掘关联规则.试验显示了其有效性、高效性和灵活性. 相似文献
88.
89.
90.