全文获取类型
收费全文 | 341篇 |
免费 | 37篇 |
国内免费 | 48篇 |
专业分类
航空 | 226篇 |
航天技术 | 69篇 |
综合类 | 67篇 |
航天 | 64篇 |
出版年
2024年 | 3篇 |
2023年 | 10篇 |
2022年 | 17篇 |
2021年 | 17篇 |
2020年 | 6篇 |
2019年 | 25篇 |
2018年 | 12篇 |
2017年 | 16篇 |
2016年 | 12篇 |
2015年 | 12篇 |
2014年 | 22篇 |
2013年 | 13篇 |
2012年 | 27篇 |
2011年 | 23篇 |
2010年 | 23篇 |
2009年 | 15篇 |
2008年 | 15篇 |
2007年 | 36篇 |
2006年 | 22篇 |
2005年 | 21篇 |
2004年 | 10篇 |
2003年 | 11篇 |
2002年 | 4篇 |
2001年 | 8篇 |
2000年 | 6篇 |
1999年 | 3篇 |
1998年 | 8篇 |
1997年 | 5篇 |
1996年 | 5篇 |
1995年 | 3篇 |
1994年 | 3篇 |
1993年 | 3篇 |
1992年 | 1篇 |
1991年 | 3篇 |
1990年 | 3篇 |
1989年 | 1篇 |
1987年 | 1篇 |
1986年 | 1篇 |
排序方式: 共有426条查询结果,搜索用时 15 毫秒
221.
模糊测试作为当前最有效的漏洞挖掘方法,不仅比其他漏洞挖掘技术更能应对复杂的程序,而且可扩展性很强。在数据量相对较大的测试中,模糊测试输入样本集存在质量低、冗余性高和可用性弱等问题。因此,对模糊测试输入样本集进行研究,提出了启发式遗传算法,借助0-1矩阵,通过启发式遗传算法对样本的执行路径进行选取和压缩,从而获得优化后兼顾样本质量的样本集最小样本集合,进而加快模糊测试的效率。实验结果表明:在没有损失的情况下,样本集精简后模糊测试的时间比精简前降低了22%,压缩率相比传统方案提升约40%。 相似文献
222.
集对分析法在中小企业人才选聘中的应用 总被引:1,自引:0,他引:1
舒昌 《桂林航天工业高等专科学校学报》2006,11(1):78-80
论文充分分析了影响中小企业人才选聘的诸因素,针对这些因素中有确定性和不确定性因素共存、量纲不稳定的特点,引入集对分析方法。经过实际算例的检验,集对分析在中小企业人才选聘的问题上是一种简便、可行、合理的决策方法。 相似文献
223.
在结构网格上提出了一种新的在混合模板集上守恒量插值的非线性权系数计算方法,构造了一种多重加权实质无波动激波捕捉格式,即所谓的MWENO(Multi-Weighted Essentially Non-Oscillatory)格式.与DWENO(Double Weighted Essentially Non-Oscillatory)格式相比非线性权系数的计算不用人为调节.随后文中给出了几个典型算例.通过MWENO格式和WENO格式的计算结果比较,表明MWENO格式具有较高的间断分辨率. 相似文献
224.
225.
针对类内干扰影响基于个体人员特征目标跟踪算法的精确性和鲁棒性问题,分析当前跟踪算法在个体人员跟踪方面存在的不足,提出了利用语言先验知识引导辅助跟踪器的方法。在视觉跟踪器的基础上增加语言引导分支,对跟踪目标产生注意力,从而减少对类内干扰的影响。利用位置置信度进行回归目标框定位的方法解决基于孪生网络目标跟踪算法中利用分类置信度定位候选目标框的局限性,实现跨模态信息融合提升特定目标跟踪的精度。为提升所提模型对特定人员目标跟踪的针对性,构建了跨模态的人员目标跟踪数据集用于训练和验证。实验表明:所提模型应用于个体人员跟踪时表现更佳,其有效性得到了证明。 相似文献
226.
航空发动机矢量喷管作动器伺服阀非稳态热分析 总被引:2,自引:1,他引:1
采用集总参数法,对航空发动机矢量喷管作动器伺服阀进行了非稳态热分析,建立了相应的数学模型,研究了环境温度、伺服阀初始温度和伺服阀焦耳热对伺服阀温度随时间的变化规律。结果表明:伺服阀的稳定温度只随环境温度和伺服阀焦耳热的增大而升高,与伺服阀初始温度无关。伺服阀超温时间随着初始温度、环境温度、伺服阀焦耳热的增大而缩短:环境温度为300℃,伺服阀焦耳热为0.08W时,初始温度从50℃到100℃,超温时间缩短20.6%。伺服阀焦耳热为0.08W,初始温度为70℃,环境温度从250℃上升400℃时,超温时间缩短了60.8%。环境温度为300℃,初始温度为122.6℃时,10W的伺服阀焦耳热相比0.08W,超温时间缩短了38.3%。 相似文献
227.
228.
229.
人工智能在航天飞行任务规划中的应用研究 总被引:6,自引:0,他引:6
在航天飞行任务中,如何设计航天器的飞行过程,如何确定地面对航天器的控制操作,如何制定飞行控制计划等,是地面飞行控制中心面临的重大问题,也是航天飞行任务规划所要解决的基本问题。在充分认识和把握人工智能基本原理、方法和技术的基础上,提出了一个基于规则演绎和状态演化的生长式推理模型,并对模型的特性进行了详细讨论,然后导出了该模型在航天飞行任务规划问题中的具体形式,从而成功地解决了航天任务自动规划的难题。通过在实际航天任务中的应用和验证,不仅证明该模型和方法是正确的、可行的和高效的,而且证明人工智能在航天飞行任务规划中有着广阔的应用前景。 相似文献
230.