全文获取类型
收费全文 | 202篇 |
免费 | 7篇 |
国内免费 | 11篇 |
专业分类
丛书文集 | 7篇 |
教育与普及 | 1篇 |
理论与方法论 | 1篇 |
综合类 | 211篇 |
出版年
2023年 | 2篇 |
2022年 | 2篇 |
2021年 | 3篇 |
2020年 | 3篇 |
2019年 | 1篇 |
2017年 | 3篇 |
2016年 | 1篇 |
2015年 | 3篇 |
2014年 | 5篇 |
2013年 | 6篇 |
2012年 | 12篇 |
2011年 | 6篇 |
2010年 | 16篇 |
2009年 | 15篇 |
2008年 | 20篇 |
2007年 | 15篇 |
2006年 | 12篇 |
2005年 | 7篇 |
2004年 | 9篇 |
2003年 | 9篇 |
2002年 | 10篇 |
2001年 | 16篇 |
2000年 | 7篇 |
1999年 | 4篇 |
1998年 | 3篇 |
1997年 | 5篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 3篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 5篇 |
1990年 | 3篇 |
1989年 | 3篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1986年 | 1篇 |
排序方式: 共有220条查询结果,搜索用时 0 毫秒
101.
102.
研究单圈Cn’,一类单圈图G以及它们与完全图Km联图Cn’∨Kn,G∨Kn的全染色问题.借助于已知的完全图全染色的相关引理以及归纳总结的方法得出了Cn’,G的全色数以及其与完全图联图Cn’∨Kn,G∨Kn的全色数,从而验证了对这类图全染色猜想的正确性. 相似文献
103.
针对标签特定特征多标签学习算法(multi-label learning with label-specific features, LIFT)未能在聚类以及分类阶段考虑标签相关性问题,提出一种基于标签相关性的标签特定特征多标签学习算法(multi-label learning with label-specific features via label correlations, LFLC).将标签空间加入特征空间进行聚类构建分类模型,采用考虑标签相关性的聚类集成技术为每个标签构造标签特定特征,使用相关性矩阵构建无向完全图并挖掘图中标签集合相关性,通过树集成表达标签间多种不同结构的强相关性.在试验部分,采用涵盖不同领域的10个数据集,以Hamming Loss、Ranking Loss、One-error、Coverage、Average Precision和macroAUC为评估指标,进行了参数敏感性分析和统计假设检验.结果表明:结合聚类集成与标签间强相关性的LFLC算法较其他对比多标签算法整体上能取得较好的效果. 相似文献
104.
简述了《坤舆全图》的组成及作者情况,对《坤舆全图》所表达的内容及历史价值进行了详细介绍,指出该图具有很高的历史文物价值、地理学价值、美学价值,堪称为一件稀世珍品. 相似文献
105.
106.
关于图的染色问题 总被引:1,自引:0,他引:1
林育青 《广西大学学报(自然科学版)》2000,25(1):47-50
主要得到如下结论:若图G不含有至少为5的奇图和H^*作为子图,则x(P(G))≤3;若图G不含有长至少为5的奇圈,则x′(G)=△,若图G不含有长至少为4的圈,则t(G)=△+1;等。 相似文献
107.
文章讨论了图G及其补图(?)的独立数之间的关系,得到的主要结果是a(G) a((?))(?)n 1. 相似文献
108.
本文主要研究全图与3-全图的连通性,得到G是k-边连通时,其全图T(G)是k-连通的,3-全图T3(G)连通的充要条件及连通3-全图T3(G)是2-连通的等一些结论。 相似文献
109.
关于RDB的几个新的线性分布模型 总被引:2,自引:2,他引:0
杨克昌 《湖南理工学院学报:自然科学版》2004,17(4):4-7
通过数组覆盖设计程序探索 ,建立了关于RDB的几个新的线性模型。设RDB直尺长为len ,有n条刻度 ,实现完全度量的刻度分布用f(len ,n)来表示 ,得到以下三个线性分布模型。f(8n - 31,n) ={ 1,4 ,5 ,8,8,… ,8,3,1,2 ,1} ;f(9n - 4 1,n) ={ 1,4 ,3,4 ,9,9,… ,9,5 ,1,2 ,2 } ;f(10n - 5 5 ,n) ={ 1,1,3,4 ,10 ,10 ,… ,10 ,1,2 ,3,6 ,2 ,3}。通过这些线性模型 ,在n一定的实用范围内 (n <19)改进了文 [5 ]提出的二次模型推出的结论。 相似文献
110.
田双亮 《西北民族学院学报》2006,27(1):5-7
研究若干联图的邻点可区别全染色,证明了:当n≥3时,χat(Kn∨Cn)=χat(Kn∨Pn)=2n+1;当n≥4时,χat(Kn∨Wn?1)=χat(Kn∨Fn?1)=χat(Kn∨Sn?1)=2n+1. 相似文献