全文获取类型
收费全文 | 1581篇 |
免费 | 44篇 |
专业分类
公路运输 | 413篇 |
综合类 | 357篇 |
水路运输 | 560篇 |
铁路运输 | 235篇 |
综合运输 | 60篇 |
出版年
2024年 | 14篇 |
2023年 | 58篇 |
2022年 | 48篇 |
2021年 | 81篇 |
2020年 | 69篇 |
2019年 | 45篇 |
2018年 | 22篇 |
2017年 | 37篇 |
2016年 | 35篇 |
2015年 | 54篇 |
2014年 | 70篇 |
2013年 | 69篇 |
2012年 | 106篇 |
2011年 | 113篇 |
2010年 | 111篇 |
2009年 | 117篇 |
2008年 | 128篇 |
2007年 | 128篇 |
2006年 | 70篇 |
2005年 | 64篇 |
2004年 | 50篇 |
2003年 | 36篇 |
2002年 | 19篇 |
2001年 | 30篇 |
2000年 | 20篇 |
1999年 | 6篇 |
1998年 | 3篇 |
1997年 | 5篇 |
1996年 | 4篇 |
1995年 | 4篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1992年 | 3篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1956年 | 1篇 |
排序方式: 共有1625条查询结果,搜索用时 875 毫秒
201.
202.
提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差. 相似文献
203.
加强车辆维修人才的培养与保留,是做好军事斗争准备的战略工程,使车辆装备保障工作迎接新军事变革挑战的关键因素,也是部队形成战斗力和保障力的重要基础。培养和保留好车辆维修人才,必将对部队全面建设提供有力的人才和智力支持。 相似文献
204.
采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号. 相似文献
205.
206.
207.
将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别.首先对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分,然后在特征空间中,用FSVM和三叉决策树相结合设计人脸分类器.在ORL人脸库上的实验结果表明,该算法能够取得较好的分类效果. 相似文献
208.
在现代城市中,准确获取公交车到站时间可以吸引更多人选择公交出行。但在目前城市交通日益拥堵的情况下,公交车在实际行驶过程中受多种因素的影响,导致行驶时间不稳定,这严重影响人们乘车体验感。本文结合了聚类分析和支持向量机,提出了一种基于聚类分析的公交到站时间预测模型。该模型使用了公交线路的站点数据,对所采集的数据进行标准化的预处理,并考虑了公交车在运行过程中受到的多种干扰因素,对鹰潭市27路公交上行线路进行了分析。结果表明,基于聚类分析和支持向量机的公交车到站时间预测模型的平均绝对误差在四十秒以内,预测精度也优于直接支持向量机的模型,能很好地预测公交车的到站时间。 相似文献
209.
为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。 相似文献
210.
为了提高列车运行稳定性,针对牵引供电系统故障诊断进行研究。根据牵引供电系统工作原理和特性分析故障现象与发生原因,提取用于故障诊断的特征信号;建立基于粒子群优化算法(Particle Swarm Optimization,简称PSO)优化最小二乘支持向量机(Least Squares Support Vector Machine,简称LSSVM)的故障诊断模型,并使用主成分分析(Principal Component Analysis,简称PCA)算法提取数据特征作为故障诊断模型的输入来降低输入维数;使用多种故障诊断模型进行对比分析。研究结果表明:经过PCA算法提取特征的PSO-LSSVM故障诊断模型具有较高的识别效率和识别准确性。 相似文献