全文获取类型
收费全文 | 350篇 |
免费 | 76篇 |
国内免费 | 40篇 |
专业分类
电工技术 | 64篇 |
综合类 | 38篇 |
化学工业 | 9篇 |
金属工艺 | 8篇 |
机械仪表 | 54篇 |
建筑科学 | 10篇 |
矿业工程 | 11篇 |
能源动力 | 23篇 |
轻工业 | 10篇 |
水利工程 | 11篇 |
石油天然气 | 5篇 |
武器工业 | 5篇 |
无线电 | 26篇 |
一般工业技术 | 12篇 |
冶金工业 | 6篇 |
自动化技术 | 174篇 |
出版年
2023年 | 1篇 |
2022年 | 5篇 |
2021年 | 8篇 |
2020年 | 9篇 |
2019年 | 8篇 |
2018年 | 13篇 |
2017年 | 17篇 |
2016年 | 21篇 |
2015年 | 27篇 |
2014年 | 28篇 |
2013年 | 32篇 |
2012年 | 54篇 |
2011年 | 64篇 |
2010年 | 54篇 |
2009年 | 37篇 |
2008年 | 29篇 |
2007年 | 36篇 |
2006年 | 14篇 |
2005年 | 6篇 |
2004年 | 3篇 |
排序方式: 共有466条查询结果,搜索用时 15 毫秒
121.
建筑周围气象参数的不确定性和持续波动性,为建筑系统动态负荷预测及实时优化控制带来困难。文章以最小二乘支持向量机(LSSVM)作为预测算法,运用粒子群优化算法(PSO)优化LSSVM模型参数,建立基于历史信息的多输入多输出(MIMO)建筑周围气象参数预测模型,对影响建筑负荷的室外温度、湿度及风速进行超短期预测。结果表明:PSO算法可对模型参数进行优化,基于PSO-LSSVM算法构建的建筑周围气象参数超短期预测模型能够实现未来140 min气象参数的预测,为建筑供能和用能系统动态优化运行提供数据。 相似文献
122.
123.
为解决苹果分级准确率低和速度慢等缺陷,提出一种基于粒子群优化(PSO)改进算法的最小二乘支持向量机(LS-SVM)苹果分级检测方法,通过对苹果特征的优化选择,从而大规模缩减分类前LS-SVM训练样本数据,提高分类器训练效率。苹果分级实验表明,此方法能从红富士苹果的16个形状特征中提取出5个最优特征,用最优特征分级的正确率达96%以上,效果显著,该方法具有可行性。 相似文献
124.
针对电力系统实时相角测量模型,为了克服由于通信过程而导致的参考相角滞后,提出采用基于最小二乘支持向量机(LS-SVM)的方法对参考相角进行预测,以使预测的参考相角信息能够用于就地的稳定性分析和控制.仿真结果表明,用LS-SVM预测相角的方法具有较高的跟踪速度和预测精度,并具有较好的动态效果,满足电力系统对实时相角测量的要求. 相似文献
125.
探讨了利用最小二乘支持向量机(LS—SVM)进行非线性系统辨识的方法,LS—SVM用等式约束代替传统支持向量机中不等式约束,求解过程从解QP问题变成解一组等式方程,将得到的LS—SVM模型应用到非线性预测控制,提出了基于LS—SVM模型的非线性预测控制算法,通过CSTR过程仿真表明,最小二乘支持向量机学习速度快,在小样本情况下具有良好的非线性建模和泛化能力,基于LS—SVM的预测控制算法具有很好的控制性能。 相似文献
126.
旋转机械在运行复杂环境下振动信号复杂且有许多噪声,难以有效提取故障特征并准确诊断,为此提出一种人工蜂群优化变分模态分解(VMD)的机械故障诊断方法。首先采用人工蜂群算法优化VMD的参数,对振动信号进行变分模态分解,获得相应的本征模态函数分量;然后对各模态分量信号计算多尺度熵,构造故障特征向量;最后利用最小二乘支持向量机(LS-SVM)进行故障诊断。实验结果表明,该方法具有较高的准确率,准确率达到97.5%,可以满足旋转机械故障诊断的要求。 相似文献
127.
松散度是跳汰分选过程的重要影响因素,针对其难以用仪器在线检测的问题,提出采用最小二乘支持向量机(LS-SVM)的软测量建模方法。在充分考虑分选过程高度非线性及强耦合性的基础上,为避免单模型建模回归精度差和泛化能力弱的问题,提出采用基于仿射传播(AP)聚类的LS-SVM多模型建模算法进行床层松散度软测量建模。首先采用AP算法对样本数据进行聚类划分,再用LS-SVM的方法对子类样本分别建立子模型,最后通过子模型切换策略得到系统输出。仿真实验表明,基于AP聚类算法的LS-SVM软测量建模算法能够更好地预测跳汰机床层松散度。 相似文献
128.
提出一种基于小波变换-最小二乘支持向量机的钢铁企业蒸汽产生量预测方法。先对数据进行小波变换以提取数据的特征;然后建立LS-SVM模型,对各分量进行预测以提高预测精度。实验结果表明:小波变换-最小二乘支持向量机预测方法预测精度高、性能好,具有良好的实用性,为蒸汽生产优化调度提供了科学的依据。 相似文献
129.
最小二乘支持向量机(LS-SVM)模型是表征数控机床热误差特性的有效工具,但该模型中的参数设置直接影响建模的精度。传统的基于交叉验证法或网格法的参数获取方法存在计算量大、精度低的缺点,且同一组模型常数往往不能准确表征机床多种工况条件下所产生的热误差。为解决这一问题,提出了一种基于贝叶斯证据框架理论的LS-SVM多工况参数优化方法。通过测量不同工况下数控机床温度值与主轴热变形量,采用贝叶斯证据框架的3个推断对LS-SVM模型进行训练并对参数进行辨识和优化,推导出了不同工况所对应的最优模型和参数。热误差建模实验验证了该参数优化方法的有效性,结果显示,经优化的模型具有泛化能力强、预测精度高、计算速度快的特点,能够较准确地描述多种典型工况条件下的实际热误差特性。 相似文献
130.