全文获取类型
收费全文 | 19829篇 |
免费 | 1462篇 |
国内免费 | 1635篇 |
专业分类
电工技术 | 1148篇 |
技术理论 | 2篇 |
综合类 | 1853篇 |
化学工业 | 537篇 |
金属工艺 | 279篇 |
机械仪表 | 1065篇 |
建筑科学 | 1256篇 |
矿业工程 | 250篇 |
能源动力 | 188篇 |
轻工业 | 852篇 |
水利工程 | 291篇 |
石油天然气 | 190篇 |
武器工业 | 141篇 |
无线电 | 2741篇 |
一般工业技术 | 1015篇 |
冶金工业 | 182篇 |
原子能技术 | 62篇 |
自动化技术 | 10874篇 |
出版年
2024年 | 83篇 |
2023年 | 336篇 |
2022年 | 357篇 |
2021年 | 433篇 |
2020年 | 385篇 |
2019年 | 511篇 |
2018年 | 247篇 |
2017年 | 351篇 |
2016年 | 417篇 |
2015年 | 672篇 |
2014年 | 1286篇 |
2013年 | 1003篇 |
2012年 | 1414篇 |
2011年 | 1475篇 |
2010年 | 1388篇 |
2009年 | 1652篇 |
2008年 | 1998篇 |
2007年 | 1604篇 |
2006年 | 1480篇 |
2005年 | 1296篇 |
2004年 | 1207篇 |
2003年 | 893篇 |
2002年 | 622篇 |
2001年 | 433篇 |
2000年 | 329篇 |
1999年 | 225篇 |
1998年 | 176篇 |
1997年 | 141篇 |
1996年 | 116篇 |
1995年 | 93篇 |
1994年 | 76篇 |
1993年 | 51篇 |
1992年 | 37篇 |
1991年 | 42篇 |
1990年 | 33篇 |
1989年 | 41篇 |
1988年 | 8篇 |
1987年 | 3篇 |
1986年 | 2篇 |
1985年 | 6篇 |
1983年 | 2篇 |
1980年 | 1篇 |
1959年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
921.
随着现实待挖掘数据库规模不断增长,系统可使用的内存成为用FP-GROWTH算法进行关联规则挖掘的瓶颈.为了摆脱内存的束缚,对大规模数据库中的数据进行关联规则挖掘,基于磁盘的关联规则挖掘成为重要的研究方向.对此,改进原始的FP-TREE数据结构,提出了一种新颖的基于磁盘表的DTRFP-GROWTH(disk table resident FP-TREE growth)算法.该算法利用磁盘表存储FP-TREE,降低内存使用,在传统FP-GROWTH算法占用过多内存、挖掘工作无法进行时,以独特的磁盘表存储FP-TREE技术,减少内存使用,能够继续完成挖掘工作,适合空间性能优先的场合.不仅如此,该算法还将关联规则挖掘和关系型数据库整合,克服了基于文件系统相关算法效率较低、开发难度较大等问题.在真实数据集上进行了验证实验以及性能分析.实验结果表明,在内存空间有限的情况下,DTRFP-GROWTH算法是一种有效的基于磁盘的关联规则挖掘算法. 相似文献
922.
遥感图像分类是遥感领域的研究热点之一.提出了一种基于自适应区间划分的模糊关联遥感图像分类方法(fuzzy associative remote sensing classification,FARSC).算法根据遥感图像分类的特点,利用模糊C均值聚类算法自适应地建立连续型属性模糊区间,使用新的剪枝策略对项集进行筛选从而避免生成无用规则,采用一种新的规则重要性度量方法对多模糊分类规则进行融合,从而有效地提高分类效率和精确度.在UCI数据和遥感图像上所作实验结果表明,算法具有较高的分类精度以及对样本数量变化的不敏感性,对于解决遥感图像分类问题,FARSC算法具有较高的实用性,是一种有效的遥感图像分类方法. 相似文献
923.
924.
925.
针对软件水印分存算法恢复缓慢、数据扩张的缺点,提出一种基于m-n变进制规则的动态图软件水印算法,利用水印信息、m-n变进制数、排列数与置换图之间的对应关系,实现水印的分存和编码。当水印嵌入时,根据变进制规则将水印信息分存为一组变进制数,构造一个完美哈希函数将变进制数映射为对应的排列数,把得到的排列数编码为置换图结构嵌入到程序的执行代码中,水印提取是水印嵌入的逆过程。实验结果表明,该算法能减小程序的负载,降低水印嵌入和提取的时间复杂度,增强水印的隐蔽性和纠错能力。 相似文献
926.
927.
928.
929.
Apriori算法是关联规则的经典算法,并己经被越来越多的企业使用。它在给企业带来经济效益的同时,也让人们意识到算法自身的不足:第一,该算法在扫描事务数据库的次数过多,从而需要承担很大的I/O负载;第二,它可能产生庞大的候选集。为了提高Apriori算法的效率,针对减少扫描事务数据库次数的方法,提出一种改进挖掘效率的算法。 相似文献