全文获取类型
| 收费全文 | 1388篇 |
| 免费 | 478篇 |
| 国内免费 | 360篇 |
专业分类
| 电工技术 | 242篇 |
| 综合类 | 151篇 |
| 化学工业 | 100篇 |
| 金属工艺 | 24篇 |
| 机械仪表 | 112篇 |
| 建筑科学 | 26篇 |
| 矿业工程 | 10篇 |
| 能源动力 | 43篇 |
| 轻工业 | 14篇 |
| 水利工程 | 61篇 |
| 石油天然气 | 21篇 |
| 武器工业 | 16篇 |
| 无线电 | 162篇 |
| 一般工业技术 | 125篇 |
| 冶金工业 | 11篇 |
| 原子能技术 | 11篇 |
| 自动化技术 | 1097篇 |
出版年
| 2024年 | 82篇 |
| 2023年 | 121篇 |
| 2022年 | 181篇 |
| 2021年 | 154篇 |
| 2020年 | 131篇 |
| 2019年 | 132篇 |
| 2018年 | 126篇 |
| 2017年 | 104篇 |
| 2016年 | 114篇 |
| 2015年 | 108篇 |
| 2014年 | 116篇 |
| 2013年 | 111篇 |
| 2012年 | 119篇 |
| 2011年 | 125篇 |
| 2010年 | 85篇 |
| 2009年 | 84篇 |
| 2008年 | 76篇 |
| 2007年 | 62篇 |
| 2006年 | 47篇 |
| 2005年 | 38篇 |
| 2004年 | 24篇 |
| 2003年 | 20篇 |
| 2002年 | 12篇 |
| 2001年 | 7篇 |
| 2000年 | 12篇 |
| 1999年 | 5篇 |
| 1998年 | 3篇 |
| 1997年 | 3篇 |
| 1996年 | 4篇 |
| 1995年 | 2篇 |
| 1994年 | 4篇 |
| 1993年 | 3篇 |
| 1992年 | 4篇 |
| 1991年 | 1篇 |
| 1990年 | 1篇 |
| 1989年 | 3篇 |
| 1987年 | 1篇 |
| 1986年 | 1篇 |
排序方式： 共有2226条查询结果，搜索用时 15 毫秒
51.
为提高风电预测的精度,提出一种鲸鱼优化支持向量机SVM(support vector machine)的组合预测模型.该模型针对风电序列的非平稳波动特性,首先应用集合经验模态分解技术EEMD(ensemble empirical mode de?composition)将原始风电序列分解为一系列不同特征尺度的子序列;并... 相似文献
52.
为了对高速列车转向架关键部件进行状态监测,利用转向架故障振动信号的特点,提出了一种结合聚合经验模态分解和模糊熵的特征提取方法.对故障信号进行聚合经验模态分解,得到一系列具有不同物理意义的简单成分信号,采用相关分析法选取最能反映原信号特征的本征模态函数.对这些本征模态函数和原信号分别计算模糊熵值构成多尺度复杂性度量的特征向量,输入最小二乘支持向量机中进行分类识别,与模糊熵特征相比得到了更好的识别效果,证明了算法的有效性. 相似文献
53.
分解方法是处理复杂问题常用的一种手段,而差分进化算法被广泛地应用于多目标优化问题(multiobjective optimization problems,MOP),为了克服经典差分进化算法和分解方法的缺陷,本文提出了一种自适应差分进化算法和变邻域分解方法相结合的新颖算法一ADEMO/D-ENS,该算法采用Tchebycheff方法将多目标优化问题分解成多维标量优化子问题,并利用邻域子问题的信息进行优化,基于邻域种群集依概率自适应选择邻域种群规模;同时采用概率匹配(]probability match,PM)自适应方法从差分策略池中选择差分进化策略;同时分析了算法的复杂度;最后,通过和经典的非支配排序遗传算法(non-dominated sorting genetic algorithmsⅡ,NSGA-Ⅱ)和多目标差分进化算法(multi-objective differential evolution algorithm,MODE)仿真对比,说明ADEMO/D-ENS方法可以更有效的处理多目标优化问题. 相似文献
54.
针对传统软测量方法存在的预测性能差、融合能力低等缺点, 提出一种基于证据理论(D-S) 合成规则和差分自回归滑动平均(ARIMA) 模型的多模型软测量方法. 首先利用自适应模糊核聚类方法和最小二乘支持向量机建立多个子模型; 然后利用D-S 合成规则构造的概率分配函数作为权值因子, 对子模型输出进行融合以得到多模型的输出; 最后结合ARIMA 模型对静态多模型输出进行动态校正. 仿真研究与工业应用的结果表明, 所提出的方法具有良好的预测性能和融合能力.
相似文献55.
贝叶斯网络分类器近似学习算法 总被引：1，自引：1，他引：0
贝叶斯网络在很多领域应用广泛,作为分类器更是一种有效的常用分类方法,它有着很高复杂度,这使得贝叶斯网络分类器在应用中受到诸多限制。通过对贝叶斯网络分类器算法的近似处理,可以有效减少计算量,并且得到令人满意的分类准确率。通过分析一种将判别式算法变为产生式算法的近似方法,介绍了这种算法的近似过程,并将其应用在了贝叶斯网分类算法中。接着对该算法进行分析,利用该算法的稳定性特点,提出Bagging-aCLL 集成分类算法,它进一步提高了该近似算法的分类精度。最后通过实验确定了该算法在分类准确率上确有不错的表现。 相似文献
56.
齿轮箱作为风机的重要部件,其故障占风电机组停机故障的80%。风机齿轮箱油温预测研究是为了实现风电机组齿轮箱状态的实时检测,提高其故障预测准确度可有效减少维修费用,提高风机系统运行可靠性。风电机组的监控与采集系统的众多参数具有高维度、非线性等特性。为解决上述问题,提出了一种基于二次分解、样本熵计算、序列重构和LSTM预测相结合的方法,首先利用EEMD对原始油温度数据进行预处理,得到多个子序列。然后计算各个子序列的样本熵,将样本熵最高的子序列用VMD进行二次分解。最后,利用LSTM对分解后的序列进行预测,得到最终的预测结果。通过对比不同分解方法、不同预测模型的预测结果与真实值之间的误差,证明了所提出分解方法与模型预测结果的可靠性。 相似文献
57.
针对现有入侵检测算法中存在着对不同类型攻击检测的不均衡性以及冗余或无用特征导致的检测模型复杂与检测精度下降的问题,提出了一种基于改进多目标遗传算法的入侵检测集成方法.利用改进的多目标遗传算法生成检测率与误报率均衡优化的最优特征子集的集合,并采用选择性集成方法挑选精确的、具有多样性的基分类器构造集成入侵检测模型.实验结果表明,该算法能够有效地解决入侵检测中存在的特征选择问题,并在保证较高检测精度的基础上,对不同类型的攻击检测具有良好的均衡性. 相似文献
58.
Peng Zhang Zhiwang Zhang Aihua Li Yong Shi 《International Journal of Software and Informatics》2008,2(2):181-197
Learning from noisy data is a challenging task for data mining research. In this paper, we argue that for noisy data both global bagging strategy and local bagging strategy su er from their own inherent disadvantages and thus cannot form accurate prediction models. Consequently, we present a Global and Local Bagging (called Glocal Bagging:GB) approach to tackle this problem. GB assigns weight values to the base classi ers under the consideration that: (1) for each test instance Ix, GB prefers bags close to Ix, which is the nature of the local learning strategy; (2) for base classi ers, GB assigns larger weight values to the ones with higher accuracy on the out-of-bag, which is the nature of the global learning strategy. Combining (1) and (2), GB assign large weight values to the classi ers which are close to the current test instance Ix and have high out-of-bag accuracy. The diversity/accuracy analysis on synthetic datasets shows that GB improves the classi er ensemble's performance by increasing its base classi er's accuracy. Moreover, the bias/variance analysis also shows that GB's accuracy improvement mainly comes from the reduction of the bias error. Experiment results on 25 UCI benchmark datasets show that when the datasets are noisy, GB is superior to other former proposed bagging methods such as the classical bagging, bragging, nice bagging, trimmed bagging and lazy bagging. 相似文献
59.
60.