全文获取类型
收费全文 | 1610篇 |
免费 | 236篇 |
国内免费 | 145篇 |
学科分类
工业技术 | 1991篇 |
出版年
2024年 | 13篇 |
2023年 | 68篇 |
2022年 | 70篇 |
2021年 | 99篇 |
2020年 | 102篇 |
2019年 | 160篇 |
2018年 | 79篇 |
2017年 | 89篇 |
2016年 | 125篇 |
2015年 | 94篇 |
2014年 | 154篇 |
2013年 | 109篇 |
2012年 | 139篇 |
2011年 | 95篇 |
2010年 | 125篇 |
2009年 | 91篇 |
2008年 | 82篇 |
2007年 | 74篇 |
2006年 | 57篇 |
2005年 | 58篇 |
2004年 | 47篇 |
2003年 | 33篇 |
2002年 | 17篇 |
2001年 | 4篇 |
2000年 | 4篇 |
1998年 | 1篇 |
1995年 | 1篇 |
1993年 | 1篇 |
排序方式: 共有1991条查询结果,搜索用时 15 毫秒
21.
母线负荷基数小,波动性和不确定性大,随着光伏、风电等可再生能源的接入,母线负荷受天气等随机性因素的影响增加,母线负荷的高精度预测受到很大影响。针对小样本场景下母线负荷预测问题,提出了一种基于离散小波变换-多目标黏菌算法-支持向量机(discrete wavelet transformation-multiple objective slime mould algorithm-support vector machine, DWT-MOSMA-SVM)的多目标优化短期母线负荷预测方法。首先采用离散小波变换对母线负荷数据进行处理;然后兼顾预测的精度和稳定性两个目标函数,采用多目标黏菌算法对支持向量机的惩罚因子和核函数参数进行优化;最后在优化所得的Pareto前沿面上选择Pareto最优解,以此搭建支持向量机(support vector machine, SVM)预测模型进行训练,并将预测结果与长短期记忆网络(long short-term memory, LSTM)、未优化的SVM以及多目标黏菌算法(multi-objective slime mold algorithm, MOSSA)... 相似文献
22.
《中国新技术新产品》2016,(18)
本文针对我国老龄化严重、看护资源不足,老人在家意外跌倒不能被及时发现无法得到救治的问题,研究分析了跌倒检测技术及老人生活环境,基于微机电系统(MEMS,Micro-Electro-Mechanical System)技术提出一种脚部运动特征值信号向量幅值(signal vector magnitude,SVM)和倾斜角(tilt angle,TA)的多阈值跌倒判别及滞后修正方法,结合无线充电技术,设计了基于CC2530的低成本老人居家跌倒检测报警系统。老人在家意外跌倒时,系统可自动向预设监护人发送报警短信,具有低成本、低功耗、高可靠性的特点。 相似文献
23.
24.
25.
26.
针对近红外光下现有的人眼定位算法普遍存在准确性不高、泛化能力不佳等问题,提出了一种基于方向梯度直方图(HOG)和支持向量机(SVM)相结合的双眼虹膜图像的人眼定位算法。利用HOG提取虹膜图像的人眼特征,并结合SVM分类器对HOG特征进行训练从而实现人眼的精确定位。为了减少漏检和误检,进一步提高定位准确率,又提出了多级级联SVM分类器算法;另外针对近红外光线下虹膜图像独特的灰度分布特点,设计了一种图像预处理方法,能够显著提高人眼定位速度。在MIR2016和CASIA-IRIS-Distance数据集上的实验结果表明,基于HOG和SVM的双眼虹膜图像的人眼定位算法具有高准确率、强泛化能力和高实时性。 相似文献
27.
针对网页的多样性、复杂性和非标准化程度的提高,提出一种基于SVM及文本密度特征的网页信息提取方法。该方法先将网页整体解析成DOM树,然后根据网页结构提出五种网页密度特征,用数学模型进行密度比例分析,并采用高斯核函数(RBF)训练样本数据。该方法训练出的数据模型能够准确地去除网页广告、导航、版权信息等噪音信息,保留正文信息块,最后进行正文信息块内除噪。实验表明,该方法不仅有较高的精度,而且通用性好。 相似文献
28.
《Planning》2014,(10)
随着网络用户规模的大幅度增加,网络用户使用计算机的水平参差不齐,导致网络安全事故频频发生,提升网络安全态势感知已经成为研究的重点。本文提出了一种基于RF-SVM的网络安全态势感知算法,该算法引入回归思想,在网络入侵感知过程,充分地参考历史网络攻击数据,预测未来网络数据流中潜在的威胁,实验证明该算法能够有效地提升网络安全感知的准确度,降低预测误差。 相似文献
29.
《信息通信》2017,(11)
作战文书一直是我国军事中的一项重要任务,但是由于作战文书的特殊性和保密性,写者都会用一些带有特殊性质的东西来掩人耳目,但是作战文书非常重要,关乎作战中军事命名和实体作战的关系,稍有不慎就会理解错误,轻则会违反规定,重则会直接影响到我国的经济利益和国土安全,因此,抽取作战文书中的主要意思,弄清楚军事命名实体关系,对实现作战文书语义理解有着重大突破。作战文书分析模式虽然有很多方法,但是大多数学者都是在它的基础上结合词语规则和SVM模式进行研究,是目前最为有效的抽取方法。此类方法的使用主要是先利用语文中经常用到的词语规则整理出作战文书中连续出现并且相似度极高的实体,并从中提取出相关信息,两者相互磨合,能更好地与SVM模型兼容。其次,使用SVM模型对各个有效因素进行建立模型,抽取其中我们所需要的信息进行军事命名实体关系的研究。根据以上结果充分表明,如果单独使用SVM模型进行提取,其结果将不堪一击,但是如果优先利用词语规则进行提取,之后再结合SVM模型进行抽取,整个准确率和效率都会得到事半功倍的效果。 相似文献