全文获取类型
收费全文 | 242篇 |
免费 | 18篇 |
国内免费 | 20篇 |
专业分类
系统科学 | 24篇 |
丛书文集 | 20篇 |
教育与普及 | 7篇 |
理论与方法论 | 1篇 |
现状及发展 | 1篇 |
研究方法 | 2篇 |
综合类 | 225篇 |
出版年
2024年 | 1篇 |
2023年 | 2篇 |
2022年 | 5篇 |
2021年 | 8篇 |
2020年 | 7篇 |
2019年 | 2篇 |
2018年 | 2篇 |
2017年 | 4篇 |
2016年 | 6篇 |
2015年 | 8篇 |
2014年 | 8篇 |
2013年 | 14篇 |
2012年 | 35篇 |
2011年 | 24篇 |
2010年 | 14篇 |
2009年 | 20篇 |
2008年 | 5篇 |
2007年 | 13篇 |
2006年 | 12篇 |
2005年 | 9篇 |
2004年 | 3篇 |
2003年 | 2篇 |
2002年 | 4篇 |
2001年 | 5篇 |
2000年 | 6篇 |
1999年 | 2篇 |
1998年 | 2篇 |
1997年 | 9篇 |
1996年 | 9篇 |
1995年 | 7篇 |
1994年 | 6篇 |
1993年 | 5篇 |
1992年 | 8篇 |
1991年 | 7篇 |
1990年 | 4篇 |
1989年 | 1篇 |
1983年 | 1篇 |
排序方式: 共有280条查询结果,搜索用时 15 毫秒
201.
多点协作复制攻击检测研究 总被引:1,自引:0,他引:1
在实际应用中,许多无线传感器网络是一个多功能的异构网络,同时存在静态网络和移动网络,这对节点复制攻击检测是一个极大的挑战。利用静态网络和移动网络相互协作实施检测,提出一种协作式检测方案,实现了节点复制攻击的检测与防御。通过实验对方案中的静态网络检测的密钥对预分配方案(PTPP)和移动节点复制攻击检测的协作式检测方案(CCD)进行了验证。分析表明,该方案具有较好的安全性和可以接受的成本和开销,是一种实用的异构无线传感器网络的节点复制攻击检测方案。 相似文献
202.
基于OFDM的广播单播混合系统容量分析 总被引:1,自引:0,他引:1
从信息论的角度分析了基于正交频分复用(OFDM)的广播单播混合系统容量.在广播单播混合系统中,广播与单播业务之间的资源分配方式可以分为两类:正交分配和非正交分配.文中分别推导了广播与单播业务采用正交分配(时分复用、OFDM)和非正交分配(重叠OFDM)时的混合系统容量的闭式解,并通过数值分析比较了这两类分配方式的容量.分析结果表明,与正交分配方式相比,非正交的重叠OFDM分配方式能够使混合系统获得更大的容量. 相似文献
203.
针对无线传感器网络在地面目标声振信号识别方面的应用需求,在分析现有算法缺点的基础上,提出了基于粒子群优化(particle swarm optimization, PSO)方法的目标识别算法。利用粒子群算法优化基于模糊逻辑规则的分类器(fuzzy logic rule based classifier, FLRBC),分析了算法中各个参数的设置对算法性能的影响。基于实地采集到的信号的仿真实验表明,该方法在一定程度上提高了目标识别的正确率和稳定性,平衡了分类性能,改善了收敛性质。 相似文献
204.
提出了一种用于多基站协作传输多输入多输出(multiple input multiple output, MIMO)正交频分复用(orthogonal frequency division multiplexing, OFDM)系统的分布式多天线盲定时同步算法,利用接收信号的循环平稳特性,根据天线间时延导致的接收信号循环自相关函数谱峰的偏移量得到天线间的时延差值。采用一种基于滑动窗的检测算法,得到各天线时延值。仿真结果表明,该算法在无须额外同步数据的情况下,能有效地解决分布式定时问题。 相似文献
205.
以聚乙烯醇(PVA)为基体,选用六方氮化硼纤维(BN fiber)作为导热填料,通过溶液共混的方法制备导热复合材料。结合X射线衍射仪(XRD)、扫描电子显微镜(SEM)以及导热测试结果,探究填料的微观形貌以及与基体的界面相容性对于提升复合材料导热性能的影响。结果表明:BN fiber对于提升复合材料的面内导热率有很好的效果,而且采用过氧化氢(H2O2)溶液进行表面改性,可以有效改善界面相容性;当经过1 400℃热处理再经过表面改性的BN fiber(BN fiber-1400-H2O2)的填充量为5%(质量分数)时,复合材料的面内导热率达到了1.32 W·m-1·K-1,为纯PVA体系的629%,相比于表面改性前提升了60%。 相似文献
206.
为了缓解网络带宽的压力、降低网络延迟,克服移动设备资源匮乏等问题,推动深度学习应用在移动终端的部署,提出一个基于移动边缘计算的深度学习任务卸载方案。基于深度神经网络专用加速芯片Eyeriss的架构,对深度学习任务的计算功耗进行建模,提出了一个基于混合l_1/l_2范数诱导的三阶段组稀疏波束成形(group sparse beamforming, GSBF)框架,通过对计算任务优先级的精心设计,尽可能地删除基站端冗余的计算任务,实现对整体网络功耗(包括发送功率损耗和计算功率损耗)的优化。针对该框架,提出了一个加速优化方案。仿真实验表明,在该场景下,所提出的框架在优化整体网络功耗方面具有显著优势,而加速算法可以进一步提升框架的性能。 相似文献
207.
208.
209.
210.