全文获取类型
收费全文 | 219篇 |
免费 | 23篇 |
国内免费 | 42篇 |
专业分类
航空 | 133篇 |
航天技术 | 53篇 |
综合类 | 31篇 |
航天 | 67篇 |
出版年
2024年 | 6篇 |
2023年 | 14篇 |
2022年 | 10篇 |
2021年 | 17篇 |
2020年 | 10篇 |
2019年 | 14篇 |
2018年 | 6篇 |
2017年 | 4篇 |
2016年 | 8篇 |
2015年 | 8篇 |
2014年 | 11篇 |
2013年 | 12篇 |
2012年 | 14篇 |
2011年 | 10篇 |
2010年 | 12篇 |
2009年 | 8篇 |
2008年 | 21篇 |
2007年 | 19篇 |
2006年 | 15篇 |
2005年 | 13篇 |
2004年 | 9篇 |
2003年 | 8篇 |
2002年 | 3篇 |
2001年 | 7篇 |
2000年 | 2篇 |
1999年 | 3篇 |
1998年 | 1篇 |
1997年 | 2篇 |
1996年 | 3篇 |
1994年 | 2篇 |
1992年 | 6篇 |
1990年 | 3篇 |
1989年 | 1篇 |
1987年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有284条查询结果,搜索用时 15 毫秒
61.
对于Ⅱ型截尾时双参数指数分布,给出了未来时间区间内失效数的Bayes及Fiducial单样、双样预测子和预测区间(PIs)。 相似文献
62.
将最小二乘支持向量机(Least square support vector machine,LS-SVM)应用于小样本民机产品的可靠性预测分析。通过重构相空间的饱和嵌入维数,确定最小二乘支持向量机的最佳输入变量;然后,使用最小二乘向量机建立可靠度回归预测模型,运用自动网格搜索法,优化了最小二乘支持向量机的建模参数,实现了比现有方法精度高、泛化性好的模型。训练和测试的可靠性样本取自某机型襟翼液压锁寿命可靠性数据。与神经网络模型的比较实例表明,提出的方法合理有效。 相似文献
针对应用于飞行器增压系统的双级气体减压器,从单级气体减压器的有限体积瞬变仿真模型出发建立了其数值模型,并搭建了双级减压器特性研究系统的模块化仿真模型.通过大量的时域仿真研究了某两型具有细微设计差异的减压器各结构参数对其工作稳定性的影响规律,并比较了两者间的异同,随后根据工程需要,选取减压器二级阀芯运动速度的样本方差作为稳定性指标,重点研究了某减压器二级阀芯质量、低压腔体积、反馈腔体积及膜片刚度变化对稳定性的影响程度.仿真结果表明,设计人员可以优先减小该减压器的二级阀芯质量或增大膜片刚度从而更快地改善其稳定性,该分析方法可以帮助相关设计人员以最小的代价获得满足工程要求的结果. 相似文献
64.
65.
在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络(GAN)的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。 相似文献
66.
基于FMECA信息的测试性验证试验样本分配方法 总被引:1,自引:0,他引:1
针对目前国内外测试性验证试验中普遍采用的基于故障率的分层抽样方法考虑因素单一,可能导致样本分配不尽合理,而现有考虑多因素的样本分配方法代表性不足,难以实现工程上的应用的问题,对影响样本分配的因素与故障模式影响及危害性分析(FMECA)信息的关系进行了详细分析,提出了基于FMECA信息的样本分配方法。首先定义了单元影响系数和影响因子向量,提出了向量各元素赋值规则,解决了影响因素选取的问题;其次通过基于逼近理想解排序法(TOPSIS)优化的层次分析法确定了权值矩阵,实现了样本分配。最后通过实例验证表明该方法考虑因素全面,运用灵活,更具代表性和工程应用价值。 相似文献
67.
数据缺失场合下k/N(G)系统可靠性指标的经验Bayes估计 总被引:2,自引:0,他引:2
在定数截尾缺失数据样本下,研究了不可修k/N(G)系统的可靠性指标的估计问题。将极大似然估计法和Bayes方法相结合得到了部件的平均寿命、系统可靠度及平均寿命等可靠性指标的经验Bayes估计,最后利用随机模拟例子说明了本文方法的正确性和可行性。 相似文献
68.
69.
基于像素抽样的快速互相关图像匹配算法 总被引:16,自引:0,他引:16
在不同大小的实时图像(假定为小)和基准图像(假定为大)的匹配算法中,最常用的方法是互相关匹配算法,但如果对每个点都计算二维相关函数则计算量非常大。文章提出对图像的匹配采用粗、精两步快速匹配的方法:首先将实时图像每一列灰度值相加,形成一个一维信号,用此一维信号到基准图生成的一维信号中用一维相关函数进行粗匹配,实现降维和提高速度的目的。然后将相关函数值中较大的一些点作为备选点,在原图中利用这些不多的备选点计算二维相关函数,相关函数值最大的点即为最佳匹配点,实现精匹配。在一维匹配中采用隔4列、隔3行取一个点的像素抽样方法以提高粗匹配速度。实验结果表明了文章算法的快速性和准确性。 相似文献
70.