全文获取类型
收费全文 | 384篇 |
免费 | 58篇 |
国内免费 | 60篇 |
专业分类
电工技术 | 15篇 |
综合类 | 5篇 |
化学工业 | 84篇 |
金属工艺 | 16篇 |
机械仪表 | 23篇 |
建筑科学 | 17篇 |
矿业工程 | 2篇 |
能源动力 | 2篇 |
轻工业 | 12篇 |
水利工程 | 7篇 |
石油天然气 | 8篇 |
武器工业 | 7篇 |
无线电 | 28篇 |
一般工业技术 | 38篇 |
冶金工业 | 2篇 |
原子能技术 | 4篇 |
自动化技术 | 232篇 |
出版年
2024年 | 8篇 |
2023年 | 22篇 |
2022年 | 19篇 |
2021年 | 22篇 |
2020年 | 21篇 |
2019年 | 20篇 |
2018年 | 19篇 |
2017年 | 18篇 |
2016年 | 18篇 |
2015年 | 24篇 |
2014年 | 33篇 |
2013年 | 27篇 |
2012年 | 29篇 |
2011年 | 25篇 |
2010年 | 23篇 |
2009年 | 27篇 |
2008年 | 32篇 |
2007年 | 34篇 |
2006年 | 16篇 |
2005年 | 13篇 |
2004年 | 8篇 |
2003年 | 10篇 |
2002年 | 13篇 |
2001年 | 5篇 |
2000年 | 6篇 |
1999年 | 2篇 |
1998年 | 4篇 |
1994年 | 1篇 |
1993年 | 2篇 |
1991年 | 1篇 |
排序方式: 共有502条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
GAFSA优化SVR的网络流量预测模型研究 总被引:1,自引:1,他引:0
现有的诸多网络流量预测模型存在预测稳定性不好、精度较低等问题。针对此类问题, 研究了一种通过GAFSA(全局人工鱼群算法)优化SVR模型的网络流量预测方法。GAFSA是一种群智能优化算法, 寻优效果显著。采用GAFSA对SVR预测模型进行参数寻优, 可以得到使预测效果最佳的训练参数; 使用这组最优参数训练SVR, 建立网络流量预测模型, 可以很好地改善基于其他智能优化算法改进的SVR网络流量预测模型多次预测结果相差较大的问题, 使预测结果趋于稳定, 同时也可以提高预测精准度。仿真结果表明, GAFSA-SVR网络流量预测模型与其他模型相比, 预测结果基本稳定, 精准度提高到89%以上, 对于指导网络控制行为、分析网络安全态势有重要意义。 相似文献
5.
为克服目前入侵检测技术检测反应速度慢、误检率和漏检率较高等问题,研究了加权移动窗口这种数据挖掘方法。首先对现有的移动窗口算法MFI-TransSW和Moment进行了认知与分解,指出现有算法的缺陷,提出了加权移动窗口的详细算法,自动调整训练窗口,并对检测模式进行及时的更新;在此基础上建立了基于加权移动窗口的入侵检测系统模型。最后实例检测和结果分析表明,在不同窗口大小、不同最小支持度、数据集增大时该算法执行时间均优于其他算法。 相似文献
6.
无线自组织网络(Ad hoc)在MAC层中使用IEEE 802.11 DCF的接入机制来解决节点传输竞争问题,为了解决高负载环境下的网络拥塞状况问题,在退避算法中加入了动态阈值和岭型函数来降低数据传输的冲突概率并利用NS2对改进的退避算法进行网络仿真。仿真结果表明,相对于传统的退避算法,在负载较重的网络中改进后的退避算法大概能够提高网络性能20%左右,优化后网络的时延、吞吐量和公平性均得到明显改善。 相似文献
7.
在推荐系统领域中,图卷积网络具有对于图结构数据更强的信息抽取能力。然而,现有的图卷积网络推荐算法主要关注改进模型结构,忽视了提高原始样本采样质量与挖掘用户—项目间隐式关系的重要性。针对上述问题,提出一种基于混合采样的图对比学习推荐算法。首先使用混合采样方法,提取出正样本中部分信息并将其注入负样本,从而生成全新的富含信息的难负样本;其次,通过轻量图卷积网络对难负样本进行特征提取,得到用户和项目的节点表征,采用邻域对比学习方法挖掘样本隐式关系;最后,利用多任务策略对推荐监督任务和对比学习任务进行联合优化。在真实数据集Yelp2018和Amazon-book上进行实验,采用recall和NDCG指标进行评估,实验结果表明,提出的模型相较其他基准模型取得了更好的效果。 相似文献
8.
9.
由DDoS攻击时流量样本与Hurst指数的关系,得到检测DDoS的方法.以提升小波估计Hurst指数法为基础,设计出小波算法的能谱在线计算方法.与传统检测法相比,本法可在线观察业务流特征,能及时发现DDOS入侵。 相似文献
10.
二维图形的显示是船舶数字化平台中一个重要的功能,采用纯粹的JAVA画图方式效果比较差,有些船舶专用的一些符号难以显示,并且图像不是很清晰,还涉及到相当复杂的编程,给整个船舶数字化平台带来很多的不便,而利用JAVA通过VC+ +实现MATLAB 的二维图形处理和显示,实现了船舶数字化平台的性能可视化和船型可视化,图像比较清晰,并且可以达到开发的需要,取得了良好的效果. 相似文献