全文获取类型
收费全文 | 4382篇 |
免费 | 77篇 |
专业分类
公路运输 | 1286篇 |
综合类 | 649篇 |
水路运输 | 1317篇 |
铁路运输 | 1138篇 |
综合运输 | 69篇 |
出版年
2024年 | 21篇 |
2023年 | 88篇 |
2022年 | 77篇 |
2021年 | 116篇 |
2020年 | 95篇 |
2019年 | 69篇 |
2018年 | 37篇 |
2017年 | 47篇 |
2016年 | 56篇 |
2015年 | 100篇 |
2014年 | 159篇 |
2013年 | 163篇 |
2012年 | 212篇 |
2011年 | 231篇 |
2010年 | 234篇 |
2009年 | 265篇 |
2008年 | 283篇 |
2007年 | 239篇 |
2006年 | 183篇 |
2005年 | 176篇 |
2004年 | 169篇 |
2003年 | 175篇 |
2002年 | 128篇 |
2001年 | 127篇 |
2000年 | 130篇 |
1999年 | 89篇 |
1998年 | 98篇 |
1997年 | 112篇 |
1996年 | 88篇 |
1995年 | 75篇 |
1994年 | 85篇 |
1993年 | 73篇 |
1992年 | 65篇 |
1991年 | 55篇 |
1990年 | 50篇 |
1989年 | 78篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1985年 | 2篇 |
1965年 | 5篇 |
1955年 | 1篇 |
排序方式: 共有4459条查询结果,搜索用时 265 毫秒
141.
142.
本文中的充电是指通过电网,给汽车上的储能装置补充电能。充电方式分为交流充电和直流充电,俗称慢充和快充。电网供给我们的电能都是交流电,但是汽车上的电池电源是直流电,要想电池能够接收电能必须把交流电转换为成直流电,要么由地面上的设备(充电粧)转换,要么由车上的设备(车载充电机)转换。 相似文献
143.
144.
高云超 《铁路通信信号工程技术》2021,(1):76-79
青岛地铁11号线采用的是国内自主研发的自动列车监控系统(ATS),ATS系统作为一个综合信息监控系统的实现平台,以通信前置机作为通信枢纽,与时钟系统、乘客信息系统、广播系统、综合监控系统、无线系统等实现接口.现结合现场实际运行数据,采用UltraEdit文本编辑工具对通信前置机的日志进行检索、分析,通过系统后台的日志分... 相似文献
145.
胡政发 《湖北汽车工业学院学报》2007,21(4):46-49,68
为了完成分类学习,传统的支持向量机基于带标记信息的经验数据归纳出一个通用的决策函数。而转导支持向量机则不同,它考虑包含测试集在内的所有数据信息并致力于最小化测试样本的分类错误数。在已有的2类分类方法的基础上构造了直接求解多类分类问题的的转导支持向量机。 相似文献
146.
结合国内某港口火车装车线项目改造方案,考虑现有码头设施现状及改造需求,对装火车过程中不同环节出现的问题,提出针对性改造方案.采用改造装车输送线,增加移动式装车机方式,解决装车皮带机洒料、装车线净空不足、装卸效率偏低等问题,在对现有码头运营影响最小的情况下,可增大码头煤炭装火车能力,实现更快更经济的疏港方式,为类似项目的... 相似文献
147.
148.
149.
为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法(Adaptive Lasso)进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明:Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效. 相似文献
150.
支持向量机增量学习算法研究 总被引:15,自引:0,他引:15
给出了使用多支持向量机进行增量学习的算法.传统的支持向量机不具有增量学习性能,而常用的增量学习方法各具有不同的优缺点,基于固定划分和过间隔技术,提出了使用多支持向量机进行增量学习的算法;使用此算法,针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验,结果表明,使用单一的支持向量机进行增量学习,不论采用过间隔还是固定划分技术,其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。 相似文献