全文获取类型
收费全文 | 13390篇 |
免费 | 365篇 |
国内免费 | 27篇 |
专业分类
财政金融 | 1156篇 |
工业经济 | 1429篇 |
计划管理 | 3393篇 |
经济学 | 1545篇 |
综合类 | 597篇 |
运输经济 | 302篇 |
旅游经济 | 35篇 |
贸易经济 | 3093篇 |
农业经济 | 649篇 |
经济概况 | 1386篇 |
信息产业经济 | 71篇 |
邮电经济 | 126篇 |
出版年
2024年 | 55篇 |
2023年 | 194篇 |
2022年 | 222篇 |
2021年 | 257篇 |
2020年 | 327篇 |
2019年 | 321篇 |
2018年 | 121篇 |
2017年 | 255篇 |
2016年 | 343篇 |
2015年 | 524篇 |
2014年 | 1102篇 |
2013年 | 965篇 |
2012年 | 1203篇 |
2011年 | 1171篇 |
2010年 | 1096篇 |
2009年 | 978篇 |
2008年 | 968篇 |
2007年 | 697篇 |
2006年 | 560篇 |
2005年 | 560篇 |
2004年 | 360篇 |
2003年 | 387篇 |
2002年 | 248篇 |
2001年 | 176篇 |
2000年 | 172篇 |
1999年 | 74篇 |
1998年 | 69篇 |
1997年 | 54篇 |
1996年 | 47篇 |
1995年 | 64篇 |
1994年 | 40篇 |
1993年 | 29篇 |
1992年 | 21篇 |
1991年 | 29篇 |
1990年 | 30篇 |
1989年 | 29篇 |
1988年 | 4篇 |
1987年 | 5篇 |
1986年 | 6篇 |
1985年 | 10篇 |
1984年 | 3篇 |
1983年 | 2篇 |
1982年 | 1篇 |
1981年 | 1篇 |
1980年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
102.
针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题,提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优;随后通过改进的灰狼优化算法先后两次求解遍历顺序,引导机器人规划搜索路径与排除隐患点路径;最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障,逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高,验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。 相似文献
103.
在多传感器水质数据融合领域,证据理论是有效的数据融合方法之一,但基本概率分配一般不易确定,从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法,具有普适性和全局优化等特点,但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法,通过建立基于分类超平面距离的模糊隶属度,训练模糊支持向量机提高传统支持向量机的基本概率分配,并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验,经精度、平均绝对百分误差、均方根误差等指标验证,精度提高10.5%,表明所提方法是一种可靠的多传感器的水质融合方法,较其他方法具有更高的融合精度。 相似文献
104.
105.
106.
为了获取目标的雷达截面积(Radar Cross Section,RCS),传统的方法是采用矩量法(Method of Moment,MOM)或多层快速多极子方法(Multi-level Fast Multipole Algorithm,MLFMA),尽管对目标的RCS计算精确,但其要求计算机的存储量大且计算耗时。而对于由上百成千个小型无人机组成的无人机蜂群而言,若采用上述方法来计算其RCS,计算量巨大,甚至无法计算。针对上述问题,提出了采用球面波展开技术与球谐变换相结合的方法来提升对无人机蜂群RCS的仿真效率,其关键技术是通过改变球谐函数中的求和次序,利用快速傅里叶变换来计算偏心球面上离散点的电场分布。数值实例表明,相比于高精度的MLFMA,所提方法获取蜂群无人机RCS的结果与其吻合良好,但对计算机内存的需求远远小于MLFMA,且随着无人机数量的增加,其计算速度可提升几个数量级。 相似文献
107.
108.
109.
110.
金属切削液的分类和作用机理,分析水基切削液在加工中的选用、存在问题以及解决方法,并从当前应用状况推测金属切屑液的未来发展趋势。 相似文献