全文获取类型
收费全文 | 171篇 |
免费 | 6篇 |
专业分类
公路运输 | 37篇 |
综合类 | 85篇 |
水路运输 | 42篇 |
铁路运输 | 12篇 |
综合运输 | 1篇 |
出版年
2024年 | 5篇 |
2023年 | 2篇 |
2022年 | 15篇 |
2021年 | 9篇 |
2020年 | 4篇 |
2019年 | 2篇 |
2018年 | 4篇 |
2017年 | 3篇 |
2016年 | 6篇 |
2015年 | 4篇 |
2014年 | 7篇 |
2013年 | 4篇 |
2012年 | 8篇 |
2011年 | 9篇 |
2010年 | 11篇 |
2009年 | 8篇 |
2008年 | 14篇 |
2007年 | 16篇 |
2006年 | 12篇 |
2005年 | 6篇 |
2004年 | 4篇 |
2003年 | 6篇 |
2001年 | 4篇 |
2000年 | 2篇 |
1999年 | 7篇 |
1997年 | 3篇 |
1995年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有177条查询结果,搜索用时 15 毫秒
171.
172.
173.
传统的属性约简算法效率低下,容易陷入局部极小值,不适用于大型知识库。文中提出一种基于粗糙集理论的遗传属性约简方法,在传统的属性约简方法基础上对适应度函数、交叉和变异的概率、变异方式和种群修复方式进行了改进。在正域区分对象集的研究基础上,用启发信息设计了一种快速的属性约简算法,并利用 Matlab 工具进行仿真,将仿真结果与前人研究结果作对比。实验表明此算法优于前人的算法,能够快速高效地对大型知识系统求其约简。 相似文献
174.
基于模态应变能变异指标的斜拉桥模型损伤识别研究 总被引:1,自引:0,他引:1
基于动力测试采用模态应变能变化率方法对一座独塔斜拉桥模型进行了损伤识别实用性研究,识别过程基于动力模态分析,激励方式包括车辆激励、环境激励和冲击激励.从识别得到的各阶试验模态的模态应变能变异指标的计算结果可知:在合适的激励条件下,模态应变能指标可以识别梁式结构主梁的损伤位置和大小关系;激励的充分条件会影响模态应变能指标的识别效果,冲击激励产生的激励较充分,因而损伤识别的效果最好;各阶试验模态包含的损伤信息完备程度不同,建议综合多阶模态应变能变异指标的计算结果进行损伤识别. 相似文献
175.
针对柔性制造车间等量分批调度问题,提出了改进遗传算法的求解方法。利用改进的适应度函数,增加了个体的区分度。针对染色体的交叉和变异方式继承亲代特征不足的问题,在交叉过程中使用保留亲代交叉机床基因策略。在变异过程中采用混合变异的方式选择加工机床,在维持种群多样性下防止个体因变异而破坏。通过自适应交叉变异概率提高算法的寻优和收敛速度,采用标准遗传算法与改进算法进行算例测试对比,结果表明改进算法缩短了加工周期。 相似文献
176.
汪新凡 《交通运输工程学报》2007,7(5):118-122
为了合理评价城市公共交通发展水平, 构建了城市公共交通发展水平评价指标体系与分级标准, 提出了属性数学识别模型。应用变异系数法确定评价指标的权重, 根据单指标的属性测度值与多指标的综合属性测度值, 利用置信度准则识别城市公共交通发展水平。评价结果表明: 青岛市公共交通发展水平属于较高等级, 与民意调查结果相吻合, 而且还可知青岛市的公交设施水平属于高级, 服务水平与效益水平属于中等, 因此, 该模型可行。 相似文献
177.
为提高地铁客流预测的准确性,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,提取了影响地铁客流变化的5个主要因素,包括节日、非节日、时间段、站点和天气,构建了反向传播(BP)神经网络,预测了地铁客流;利用引入自适应变异与均衡惯性权重的粒子群优化(PSO)算法,优化了BP神经网络,形成了考虑复杂因素影响的地铁客流预测系统;选取了换乘站、非换乘站的首站与中间站,引入天气、节日、非节日因素,对比了不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差。研究结果表明:考虑天气、节日、非节日因素,换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了40.13%、31.46%和23.89%,较分时段的BP神经网络模型分别平均下降了17.50%、17.86%和17.32%;非换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了16.50%、20.99%和32.59%,较分时段的BP神经网络模型分别平均下降了11.48%、12.10%和17.73%;各站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差、平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了24.37%、24.48%和29.69%,较分时段的BP神经网络模型分别平均下降了13.49%、14.02%和17.59%,因此,利用考虑多影响因素的优化PSO-BP神经网络模型能提高地铁客流预测的准确性。 相似文献