全文获取类型
收费全文 | 180篇 |
免费 | 5篇 |
专业分类
公路运输 | 30篇 |
综合类 | 37篇 |
水路运输 | 78篇 |
铁路运输 | 40篇 |
出版年
2024年 | 4篇 |
2023年 | 13篇 |
2022年 | 9篇 |
2021年 | 9篇 |
2020年 | 5篇 |
2019年 | 6篇 |
2017年 | 2篇 |
2016年 | 2篇 |
2015年 | 4篇 |
2014年 | 6篇 |
2013年 | 14篇 |
2012年 | 15篇 |
2011年 | 9篇 |
2010年 | 16篇 |
2009年 | 16篇 |
2008年 | 11篇 |
2007年 | 8篇 |
2006年 | 5篇 |
2005年 | 8篇 |
2004年 | 4篇 |
2003年 | 4篇 |
2002年 | 4篇 |
2000年 | 1篇 |
1999年 | 1篇 |
1998年 | 6篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1995年 | 1篇 |
排序方式: 共有185条查询结果,搜索用时 15 毫秒
91.
92.
93.
实时与准确的断面交通流量预测是实现高速公路智能化管理与控制的基础。高速公路交通流量预测要求对数据噪声进行有效处理,且需要满足实时性需求。然而,少有研究从实时性的角度对高速公路交通流量预测的准确性进行改善。研究了结合自适应卡尔曼滤波与长短时记忆神经网络(long short-term memory,LSTM)自编码器的高速公路交通流量递归预测框架,可以满足智能交通系统的实时性与准确性需求。收集高速公路的交通流量和速度等历史数据,应用卡尔曼滤波方法进行数据平滑,以提高原始数据的可预测性能;引入无监督机器学习算法LSTM自编码器对交通流量的时变特征进行建模,以提高模型的运算效率;考虑到高速公路交通流量预测的实时性需要,进一步提出递归预测框架,用LSTM自编码器的预测值代替卡尔曼滤波值;根据获取的实时数据,执行自适应卡尔曼滤波算法以修正当前的最佳状态值,并将该修正值输入LSTM自编码器进行迭代预测。选取美国明苏尼达双子城高速公路的实测交通数据进行案例分析,结果表明:所提出的高速公路实时交通流量递归预测框架在计算成本与预测精度2个方面具有相对竞争优势,模型预测的平均绝对百分比误差为5.0%,优于... 相似文献
94.
95.
陈红丽 《华东交通大学学报》2007,24(2):106-109
提出一种求精简规则的带支持信息的增量式算法IDMA,该算法改进了传统挖掘算法的缺点,可充分利用已挖掘出的规则集来对新增实例进行决策规则挖掘,同经典Rough集挖掘算法比较,算法IDMA计算过程简单,而且效率较高. 相似文献
96.
光电跟踪系统的伺服控制研究 总被引:2,自引:1,他引:1
通过对光电跟踪系统的伺服控制系统的研究,分析了常用数字PID控制算法在光电跟踪系统中应用的不足,提出了适用于光电跟踪系统的自适应的PID控制算法,试验表明自适应PID控制算法比数字PID控制器超调量小,调节时间短,提高了控制系统实时性和抗干扰能力. 相似文献
97.
在卸船机程控系统中使用光电式脉冲编码器来测量起升、开闭、小车、俯仰等机构的物理位移,通过编码器所提供的高精度测量数据,可以实现“软限位”开闭斗位置设定,全自动作业等控制功能。 相似文献
98.
文章针对某引进装备轴角编码器损坏日益增多,器材进口筹措困难的状况,通过解剖和分析该轴角编码器的工作原理及技术特点,采用新工艺、新材料,对其进行国产化研制,经试验和鉴定后成功应用于该装备的修理中,实现了立足自我的国产化保障能力。 相似文献
99.
模式识别是脑机接口(brain computer interface,BCI)系统的核心部分,其中特征提取和分类方法对最终分类结果有着决定性作用.针对多类运动想象脑电识别过程中特征提取困难,识别准确率低的问题,文中提出了一种新的基于深度学习框架的多类别运动想象脑电分类方法.首先,为了满足深度学习方法的大批量样本的需要,使用自编码器(auto-encoder,AE)对训练样本进行扩充;其次,针对脑电信号的特点,设计4个巴特沃斯带通滤波器提取脑电的θ、α、β和γ波段,并对每一波段的信号进行傅里叶变换,然后计算幅值的均值和方差;最后,通过深度信念网络(deep belief network,DBN)对脑电信号进行分类识别.文中使用BCIⅢ的竞赛数据集对所提出的方法进行验证,实验结果表明,文中方法能够有效地提高多类运动想象脑电的分类准确率,分类结果的平均kappa系数达到了0.802 4. 相似文献
100.
为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题,采用广泛记录的广播式自动相关监视(ADS-B)数据,构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征,利用多种正则化手段约束内部低维流形,以重建更紧密的航迹并将其作为CFSFDP算法的输入,利用轮廓系数选取不同密度飞行模式的聚类中心,并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项,分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能,轮廓系数比对比项分别提升了62%和28%,且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班,识别异常航迹的精确度也分别提高了57%和10%;大量数据下,提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%,且具备可接受的时间复杂度。由此可见,建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。 相似文献