全文获取类型
收费全文 | 176篇 |
免费 | 64篇 |
国内免费 | 37篇 |
专业分类
电工技术 | 20篇 |
综合类 | 21篇 |
化学工业 | 9篇 |
金属工艺 | 6篇 |
机械仪表 | 31篇 |
矿业工程 | 6篇 |
能源动力 | 3篇 |
水利工程 | 2篇 |
石油天然气 | 3篇 |
武器工业 | 1篇 |
无线电 | 27篇 |
一般工业技术 | 11篇 |
冶金工业 | 2篇 |
自动化技术 | 135篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 8篇 |
2021年 | 6篇 |
2020年 | 8篇 |
2019年 | 6篇 |
2018年 | 12篇 |
2017年 | 10篇 |
2016年 | 15篇 |
2015年 | 13篇 |
2014年 | 29篇 |
2013年 | 20篇 |
2012年 | 26篇 |
2011年 | 25篇 |
2010年 | 22篇 |
2009年 | 17篇 |
2008年 | 10篇 |
2007年 | 22篇 |
2006年 | 8篇 |
2005年 | 5篇 |
2004年 | 5篇 |
2003年 | 4篇 |
排序方式: 共有277条查询结果,搜索用时 500 毫秒
31.
轴承状态识别的准确率与特征提取紧密相关,而特征提取对轴承状态识别显得尤为重要.因时频域的各个特征对不同程度的故障信号敏感度各不相同,特征提取不当将会造成状态识别准确率下降.针对上述问题提出粒子群优化(PSO)核主元分析(KPCA),并利用该方法对轴承的复合特征集进行特征提取,提取后的特征向量构成识别特征集,由优化的支持向量机识别分类.选用美国凯斯西储大学滚动轴承试验台的振动数据进行处理分析,通过3种实验方案进行验证.结果表明,提出的方法明显改善了轴承状态识别的准确率. 相似文献
32.
跨项目软件缺陷预测可以解决预测项目中训练数据较少的问题,然而源项目和目标项目通常会有较大的数据分布差异,这降低了预测性能。针对该问题,提出了一种基于特征选择和TrAdaBoost的跨项目缺陷预测方法(CPDP-FSTr)。首先,在特征选择阶段,采用核主成分分析法(KPCA)删除源项目中的冗余数据;然后,根据源项目和目标项目的属性特征分布,按距离选出与目标项目分布最接近的候选源项目数据;最后,在实例迁移阶段,通过采用评估因子改进的TrAdaBoost方法,在源项目中找出与目标项目中少量有标签实例分布相近的实例,并建立缺陷预测模型。以F1作为评价指标,与基于特征聚类和TrAdaBoost的跨项目软件缺陷预测(FeCTrA)方法以及基于多核集成学习的跨项目软件缺陷预测(CMKEL)方法相比,CPDP-FSTr的预测性能在AEEEM数据集上分别提高了5.84%、105.42%,在NASA数据集上分别提高了5.25%、85.97%,且其两过程特征选择优于单一特征选择过程。实验结果表明,当源项目特征选择比例和目标项目有类标实例比例分别为60%、20%时,所提CPDP-FSTr能取得较好的预测性能。 相似文献
33.
34.
35.
36.
37.
基于核主元分析与神经网络的传感器故障诊断新方法 总被引:5,自引:0,他引:5
提出综合利用核函数主元分析(KPCA)和神经网络的方法实现非线性系统内传感器故障的检测和识别,克服了以往核函数主元分析法只能给出故障检测结果,却无法对故障进行识别的缺陷,并给出了在特征空间中计算残差的简单方法.最后,对一个简单的多变量过程进行了故障检测和识别,验证了这一诊断策略的有效性. 相似文献
38.
由于高炉冶炼系统的复杂性,传统的故障检测方法在高炉故障检测中的应用效果不佳.同时,高炉冶炼过程中的数据具有明显的非线性特征,利用主成分分析(PCA)等线性多元统计方法也难以取得良好的故障检测效果.针对这种情况,提出了利用核主成分分析(KPCA)方法对高炉冶炼过程中的故障进行检测,以适应高炉的非线性特征,实现对高炉故障的快速检测. 相似文献
39.
40.
近红外光谱分析技术通过搭建基于GA-BP神经网络方法的定量分析模型,实现煤炭发热量的快速评估。为了提高模型的学习速度和精度,必须对光谱信息进行数据处理。该过程属于复杂的非线性问题,经典的线性主成分分析方法具有一定的局限性,因此采用了一种基于多项式核主成分分析特征提取方法。通过分析主成分的特征值筛选异常样本。实验结果表明,该方法提取的特征信息主成分集中度高、降维效果明显、与输出变量间的相关性好,且能够准确判断出异常样本,大幅度提高了模型的准确性,为近红外煤质分析模型提供了一种分析速度快、准确率高的有效数据处理方法。 相似文献