全文获取类型
收费全文 | 5080篇 |
免费 | 853篇 |
国内免费 | 739篇 |
学科分类
工业技术 | 6672篇 |
出版年
2024年 | 68篇 |
2023年 | 302篇 |
2022年 | 265篇 |
2021年 | 338篇 |
2020年 | 303篇 |
2019年 | 354篇 |
2018年 | 178篇 |
2017年 | 232篇 |
2016年 | 274篇 |
2015年 | 289篇 |
2014年 | 405篇 |
2013年 | 352篇 |
2012年 | 390篇 |
2011年 | 431篇 |
2010年 | 389篇 |
2009年 | 402篇 |
2008年 | 403篇 |
2007年 | 372篇 |
2006年 | 250篇 |
2005年 | 199篇 |
2004年 | 129篇 |
2003年 | 97篇 |
2002年 | 54篇 |
2001年 | 34篇 |
2000年 | 31篇 |
1999年 | 17篇 |
1998年 | 15篇 |
1997年 | 15篇 |
1996年 | 15篇 |
1995年 | 10篇 |
1994年 | 17篇 |
1993年 | 13篇 |
1992年 | 11篇 |
1991年 | 4篇 |
1990年 | 5篇 |
1989年 | 5篇 |
1988年 | 1篇 |
1986年 | 2篇 |
1979年 | 1篇 |
排序方式: 共有6672条查询结果,搜索用时 125 毫秒
1.
在医疗卫生、金融证券等应用领域,经常会同时出现零观测值、一观测值较多的情况. 为更好地拟合这类数据,提出0–1膨胀几何分布模型并进行客观贝叶斯分析. 通过参数变换,得到Jeffreys先验和reference先验. 设计后验分布的抽样算法,设置不同的样本量和参数真值,采用数值模拟方法对不同客观先验下的估计效果进行评估. 相似文献
4.
为提高稀疏表示跟踪模型性能,提出一种分段加权的反向稀疏跟踪算法,将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题,构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰,选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明,在光照变化、遮挡、快速运动、运动模糊情况下,所提出的算法可以确保跟踪结果的准确性和鲁棒性。 相似文献
5.
在公共卫生等应用领域,经常会同时出现零观测值、一观测值较多的情况. 为更好地拟合这类数据,采用0?1膨胀负二项分布及其回归模型进行分析. 在数据扩充基础上,结合Pólya?Gamma潜变量对模型参数进行贝叶斯推断. 最后,对我国湖北省2019冠状病毒病(COVID?19)死亡数据集进行分析. 研究表明,0?1膨胀负二项回归模型能够达到更好的拟合效果. 相似文献
6.
《计算机应用与软件》2019,(8)
互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机App。大量被安装在手机中的应用程序不仅增加了用户寻找App的时间和难度,而且占用了手机大量的内存空间,致使手机卡顿,严重影响了用户体验。利用智能手机用户使用App的行为习惯特征,预测用户将要使用的App,并将其应用到智能手机中用以预加载App和智能清理手机内存是解决上述问题的方法之一。在深入了解PrefixSpan算法和Bayesian网络算法的前提下,考虑智能手机用户对每个App的喜爱程度,将其加入到PrefixSpan算法的剪枝步骤中;采用贝叶斯网络算法整合智能手机用户的App使用记录和App使用时长等特征,提出一套新的预测用户下一个将要使用的App的算法——WAPA(Weighted App Prediction Algorithm)。实验证明,该算法预测准确率最高可达86.3%,较其他算法可提高大约4%。 相似文献
8.
针对现有煤矿事故致因分析多以单方面因素分析为主,忽略人、机、环、管4个方面各因素间的关联性和整体性,且涉及到的事故类型较泛化等问题,从人、机、环、管4个方面选取诱发煤矿瓦斯爆炸事故的因素,并利用相关性分析筛选出相关性较强的变量;以GeNie为平台构建煤矿瓦斯爆炸致因贝叶斯网络模型,并采用交叉验证方法对其可靠性和准确性进行验证;通过贝叶斯网络参数学习、敏感性分析等对模型中各节点变量进行分析,计算不同条件下相关节点的条件概率分布和后验概率,提取诱发煤矿瓦斯爆炸事故的关键因素。分析结果表明:通风不足会大幅提高煤层瓦斯含量超标的可能性,员工培训不到位是瓦斯漏检的主要诱因;在煤矿瓦斯爆炸事故已发生的情况下,可能性最大的诱因是瓦斯含量超标,其次是瓦斯漏检;导致煤矿瓦斯爆炸事故的最关键因素是瓦斯含量超标、瓦斯漏检、顶板不稳定、法律法规不健全。 相似文献
9.
压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(SpatioTemporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。 相似文献
10.