全文获取类型
收费全文 | 239篇 |
免费 | 43篇 |
国内免费 | 18篇 |
专业分类
电工技术 | 28篇 |
综合类 | 11篇 |
化学工业 | 17篇 |
金属工艺 | 14篇 |
机械仪表 | 12篇 |
建筑科学 | 13篇 |
矿业工程 | 4篇 |
能源动力 | 5篇 |
轻工业 | 17篇 |
水利工程 | 1篇 |
石油天然气 | 7篇 |
无线电 | 22篇 |
一般工业技术 | 27篇 |
冶金工业 | 26篇 |
原子能技术 | 1篇 |
自动化技术 | 95篇 |
出版年
2024年 | 3篇 |
2023年 | 7篇 |
2022年 | 15篇 |
2021年 | 14篇 |
2020年 | 16篇 |
2019年 | 22篇 |
2018年 | 18篇 |
2017年 | 7篇 |
2016年 | 8篇 |
2015年 | 17篇 |
2014年 | 19篇 |
2013年 | 8篇 |
2012年 | 17篇 |
2011年 | 21篇 |
2010年 | 13篇 |
2009年 | 12篇 |
2008年 | 7篇 |
2007年 | 7篇 |
2006年 | 15篇 |
2005年 | 8篇 |
2004年 | 13篇 |
2003年 | 2篇 |
2002年 | 8篇 |
2001年 | 5篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1998年 | 4篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 2篇 |
1990年 | 1篇 |
排序方式: 共有300条查询结果,搜索用时 0 毫秒
1.
2.
针对蚁群算法搜索速度过慢以及解质量不足等问题,提出一种融合动态层次聚类和邻域区间重组的蚁群算法。在初始阶段,调整层次聚类阈值并按照类间距离最小合并的原则迭代至目标簇集,根据预合并系数进行簇间合并,通过蚁群系统得到小类路径并断开重组以加快算法整体收敛速度;接着使用蚁群系统对解空间进行优化,同时并行处理簇集与簇集邻域区间扩散重组,增加解的多样性,进一步固定迭代次数进行比较,若邻域区间重组解质量优于当前优化解则进行推荐处理,提高解的精度;当算法停滞时,引入调整因子降低各路径信息素之间差异以增强蚂蚁搜索能力,有助于算法跳出局部最优。实验结果表明,在面对大规模问题时,算法的精度在3%左右,该方法相比传统方法可以有效提高解的精度和收敛速度。 相似文献
3.
4.
为保护手机用户的个人信息,对用户进行身份识别认证,提出一种生物识别方法。利用智能手机内置的传感器,采集人体的生理振动信息;通过对采集数据进行去重力等预处理,提取均值、方差、能量、峰度、偏度等特征指标,利用z‐score方法进行标准化处理;进行分类器设计,得出分类器的查准率、误检率等评价指标。分析60组不同用户的生理振动数据,分析结果表明,该分类器的查准率最高可达98?33%。 相似文献
5.
循环流化床技术是一项新型环保技术,它在燃烧方式上与煤粉炉有本质区别,针对循环流化床锅炉运行特点,提出其燃油系统可实现间断运行的新思路.并据此运行方式绐出燃油系统供油泵选型的基本方法可使燃油系统节约大量电能. 相似文献
6.
7.
8.
针对编码点的定位存在误检率高和精准度差的问题,提出了一种融合改进 YOLOv7 与 UNet 的圆形编码点定位方 法。第1阶段使用改进的 YOLOv7 检测编码点的位置,改进的 YOLOv7 首先将DCN-v2 可变形卷积引入 ELAN 模块,提升 特征提取能力;其次把卷积块注意力模块(CBAM) 机制嵌入骨干网络使网络更关注目标特征;然后使用Focal-EloU Loss 提高 收敛速度;最后构建 OD-Cat 模块替换 ConCat 模块以提升网络检测精度。提取出每个圆形编码点的 ROI 后,第2阶段通过 UNet 分割出编码点的中心轮廓后,使用最小二乘法拟合出编码点的中心。实验结果表明,改进后的模型比原 YOLOv7 的精 确率提高了6.33%,平均精度均值(mAP) 提升了5.76%;提出的定位方法验证了在噪声、亮度不足或曝光等复杂环境下可以 准确定位出编码点的中心椭圆轮廓,在实际工业视觉测量中具备鲁棒性。 相似文献
9.
针对麻雀搜索算法存在的迭代过程中种群多样性减少且容易陷入局部最优以及收敛速度慢等问题,提出混合策略改进的麻雀搜索算法(MSSSA)。利用Circle映射初始化麻雀个体位置,增加初始种群的多样性。结合蝴蝶优化算法(BOA)中蝴蝶飞行方式,改进发现者的位置更新策略,增强算法全局探索能力。采用逐维变异方法对个体位置进行扰动,提升算法跳出局部最优的能力。在仿真实验中与4种基本算法和5种改进算法基于10个基准测试函数进行比较并进行Wilcoxon秩和检验,结果表明所提算法具有更好的收敛性和求解精度,全局寻优能力得到大幅提升。 相似文献
10.
针对蚁群算法易陷入局部最优与收敛速度较慢的不足,提出了动态学习机制的双种群蚁群算法。该算法重点引入奖惩模型,奖励算子提高算法的收敛速度,惩罚算子增加种群的多样性。由SA-MMAS(adaptive simulated annealing ant colony algorithm based on max-min ant system)和MMAS(max-min ant system)两个种群合作搜索路径,蚁群间根据不同城市规模动态地进行信息素交流,在种群交流后利用奖惩模型对双种群间的学习合作行为给予动态的反馈,从而平衡算法的多样性与收敛速度。通过17个经典旅行商问题(traveling salesman problem,TSP)实例进行验证,结果表明该算法能以较少的迭代次数取得最优解或接近最优解。对于中大规模的TSP问题效果更好,从而验证了算法的高效性和可行性。 相似文献