全文获取类型
收费全文 | 752篇 |
免费 | 16篇 |
国内免费 | 18篇 |
专业分类
系统科学 | 14篇 |
丛书文集 | 23篇 |
教育与普及 | 4篇 |
现状及发展 | 6篇 |
综合类 | 739篇 |
出版年
2022年 | 2篇 |
2021年 | 3篇 |
2020年 | 5篇 |
2019年 | 2篇 |
2018年 | 1篇 |
2017年 | 5篇 |
2016年 | 2篇 |
2015年 | 13篇 |
2014年 | 26篇 |
2013年 | 18篇 |
2012年 | 20篇 |
2011年 | 38篇 |
2010年 | 40篇 |
2009年 | 42篇 |
2008年 | 56篇 |
2007年 | 71篇 |
2006年 | 77篇 |
2005年 | 71篇 |
2004年 | 60篇 |
2003年 | 65篇 |
2002年 | 68篇 |
2001年 | 39篇 |
2000年 | 28篇 |
1999年 | 16篇 |
1998年 | 1篇 |
1997年 | 6篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有786条查询结果,搜索用时 156 毫秒
781.
采用Delphi 6.0和MS Server 2000软件为开发工具,以三层“客户/服务器”体系为构架.实现了一般数据库的管理,对数据库的查询设计进行了优化.从而开发了一个分布式多层数据库图书管理系统。该系统运行稳定,工作可靠,功能较完善,可满足使用要求。 相似文献
782.
概要介绍了语音识别技术和微软语音开发应用程序接口(Microsoft Speech API,SAPI)。语音识别技术随着计算机技术的发展而逐渐成熟,使计算机能够识别用户的语音输入,记录下用户的语音信息并执行相应的命令。微软的SAPI是Windows操作系统下的语音识别开发平台,它开发快捷,有设计良好的运行机制、识别引擎和调用接口,能够模块化组件开发。其次,利用SAPI,设计实现了应用语音识别技术的数字图书馆检索系统。此系统使用户在使用数字图书馆时检索更加方便,读者说出想查询的内容,系统即可完成整个检索过程并显示查询结果。此系统基于SAPI平台开发,采用了MySQL作为后台数据库。此检索系统分为一站式检索和智能检索。其中,一站式检索为读者提供了通用语音识别框,读者检索时无需使用鼠标和键盘,只需说出自己想要查找内容的关键词即可查询。一站式检索系统不仅能够实现对图书馆数据库的关键词检索,而且在界面上还同步提示出可选关键词、现有馆藏书目、借阅情况等信息,协助用户检索信息。而智能检索是在一站式检索的基础上,结合了中文分词技术,进一步降低搜索难度方便用户使用。用户检索时无需考虑关键词、检索语法,只需像平时一样说出想检索的内容,检索系统会自动识别用户的语音,然后进行智能分词,再通过转换过程,过滤出关键词并生成专业的检索语法进行检索,并最终返回检索结果。整个识别、分词、转换过程由系统自动完成,无需读者干预。随着技术的进步,结合了语音识别的检索系统将使数字图书馆能够更加方便快捷地为读者服务。 相似文献
783.
基于动态API序列挖掘的恶意代码检测方法未考虑不同类别恶意代码之间的行为差别,导致代表恶意行为的恶意序列挖掘效果不佳,其恶意代码检测效率较低.本文引入面向目标的关联挖掘技术,提出一种最长频繁序列挖掘算法,挖掘最长频繁序列作为特征用于恶意代码检测.首先,该方法提取样本文件的动态API序列并进行预处理;然后,使用最长频繁序列挖掘算法挖掘多个类别的最长频繁序列集合;最后,使用挖掘的最长频繁序列集合构造词袋模型,根据该词袋模型将样本文件的动态API序列转化为向量,使用随机森林算法构造分类器检测恶意代码.本文采用阿里云提供的数据集进行实验,恶意代码检测的准确率和AUC(Area Under Curve)值分别达到了95.6%和0.99,结果表明,本文所提出的方法能有效地检测恶意代码. 相似文献
784.
代晓红 《重庆工商大学学报(自然科学版)》2003,20(4):68-70,102
对Windows NT/2000操作系统的安全性进行了阐述,并以操作系统中存在的“返回上级目录”漏洞进行了全面分析,提出了相应的防范对策。 相似文献
785.
介绍了用Visual C 进行数据库开发的常用技术如ODBC、DAO、OLEDB和ADO等有关的概念、特点以及相互之间的差别比较。以最新的微软极力推荐的ADO技术为重点加以阐述,并用相应的示例和程序说明了它的应用。 相似文献
786.
针对恶意逃避样本的逃避行为进行分析,归纳并总结了恶意逃避样本常用的逃避API函数集,提出了一种基于动态API调用序列和机器学习的恶意逃避样本检测方法。在特征工程处理阶段,提出了逃避API函数权重衡量算法,并通过优化词频处理来增强逃避API函数的特征向量值,最终本文方法检测恶意逃避样本的准确率可达95.09%。 相似文献