全文获取类型
收费全文 | 632篇 |
免费 | 34篇 |
国内免费 | 79篇 |
专业分类
系统科学 | 98篇 |
丛书文集 | 20篇 |
现状及发展 | 6篇 |
综合类 | 621篇 |
出版年
2024年 | 2篇 |
2023年 | 11篇 |
2022年 | 14篇 |
2021年 | 16篇 |
2020年 | 15篇 |
2019年 | 24篇 |
2018年 | 21篇 |
2017年 | 22篇 |
2016年 | 23篇 |
2015年 | 35篇 |
2014年 | 53篇 |
2013年 | 49篇 |
2012年 | 53篇 |
2011年 | 46篇 |
2010年 | 48篇 |
2009年 | 75篇 |
2008年 | 56篇 |
2007年 | 68篇 |
2006年 | 52篇 |
2005年 | 24篇 |
2004年 | 19篇 |
2003年 | 13篇 |
2002年 | 4篇 |
2000年 | 1篇 |
1955年 | 1篇 |
排序方式: 共有745条查询结果,搜索用时 8 毫秒
71.
为了提高数控机床几何误差建模精度,改进补偿效果,先用测力环等仪器模拟施加并测量机床主切削力,再用激光干涉仪同步测量机床俯仰角和偏摆角误差. 根据粒子群优化算法(particle swarm optimization,PSO)优化支持向量机(support vector machine, SVM)的相应参数,并以实际测量数据进行训练,从而建立
了PSO-SVM力-几何误差预测模型. 实际试验表明,PSO-SVM误差预测模型输出的偏摆角误差预测值与实测数据的最大差值仅为0.6 μrad,俯仰角误差预测值与实测数据的最大差值仅为0.21 μrad,远小于利用BP神经网络以及常规方法优化的SVM所建立的力-几何误差预测模型的误差,因此该模型可用于数控机床几何误差的高精度实时补偿. 相似文献
72.
为克服支持向量机中模型参数的随意选择对分类性能造成的不利影响, 提出了基于混沌人工蜂群算法的支持向量机(CABC鄄SVM: Chaotic Artificial Bee Colony algorithm of Support Vector Machine)参数优化方法。该方法采用Logistic 混沌映射初始化种群和锦标赛选择策略, 对支持向量机的惩罚因子和核函数参数进行优化时以分类准确率作为适应度函数。通过UCI 标准数据集实验证明, CABC 具有较强的局部和全局搜索能力, 其优化的支持向量机可在很大程度上克服局部极值点, 从而获取更高的分类准确率, 并有效缩短了搜索时间。将该方法应用于实际齿轮故障诊断中, 采用小波相对能量作为特征输入支持向量机, 分类准确率达到99. 4%, 验证了该方法的可行性和有效性。 相似文献
73.
中文文本分类是中文信息处理过程中的关键技术。本文介绍了中文文本分类的基本过程和基本原理,讨论了朴素贝叶斯(NB)、K-最近邻(KNN)、支持向量机(SVM)这三种中文文本分类方法,并对这三种分类方法进行分析和比较。 相似文献
74.
一类快速模糊支持向量机 总被引:3,自引:0,他引:3
由H.P.Huang、C.F.Lin等人和T.Inoue,S.Abe等人提出的两类模糊支持向量机是两种类型的改进支持向量机,分别克服了过学习问题和减少了多类问题分类时存在的不可分区域。如何处理异常数据和加速训练大规模数据集是支持向量机中的急需解决的两个问题。针对这两个问题,提出了一类将两类模糊支持向量机集成的快速模糊支持向量机。训练时,根据每类数据与其类中心的距离,定义隶属函数,以加大对容易被错分样本的惩罚,利用合适的参数λ选取了每类数据中隶属度值较大的边缘数据构造模糊支持向量机,测试时,利用1-a-1和模糊支持向量机的决策函数判定未知样本的类别。含有异常数据的两类问题和机器学习数据集中手写数字识别的多类问题的实验结果,验证了提出的快速模糊支持向量机减少了训练时间同时提高了学习机的推广能力。 相似文献
75.
76.
在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路. 相似文献
77.
应用支持向量机预测公交车运行时间 总被引:7,自引:1,他引:7
采用一种新颖的神经网络-支持向量机(SVM),来预测公交车的到站时间,其目的是要验证SVM在运行时间预测领域的可行性.该模型采用了时间段、天气、路段以及当前路段的运行时间和下一路段的最新运行时间5个输入变量.最后,应用大连市开发区4路公交线对该模型进行了校验,并得到若干结论. 相似文献
78.
79.
80.
针对Suyken等人提出的最小二乘支持向量机的共轭梯度法在输入样本的个数较大时,需要求解高阶线性方程组这一缺陷,提出了一种新算法。该算法利用分块矩阵的思想将该高阶线性方程组系数矩阵降阶,为了提高收敛速度,克服数值的不稳定性,采用条件预优共轭梯度法求解低阶的线性方程组。通过仿真试验证明用本文方法训练最小二乘支持向量机比共轭梯度法的训练速度提高了将近一倍。 相似文献