检索结果-内蒙古大学图书馆

作者：杨光华南理工大学

学位级别：硕士

近年来,大数据计算技术迅速发展,成为工业界、学术界高度关注的热点。为了处理大数据集合,许多企业和研究机构对该领域进行了深入的研究,提出了许多用于大数据计算的编程模型。这些编程模型的处理模式可以分成两种:批处理模式和流式处... 详细信息

近年来,大数据计算技术迅速发展,成为工业界、学术界高度关注的热点。为了处理大数据集合,许多企业和研究机构对该领域进行了深入的研究,提出了许多用于大数据计算的编程模型。这些编程模型的处理模式可以分成两种:批处理模式和流式处理模式。这两种模式的编程模型实现有很多,目前比较主流的系统有Hadoop、Spark、Storm、S4等。这些系统在处理其编程模型所面向的特定类型的任务时特别有效,然而在处理增量迭代类型任务时比较困难。增量迭代类型的任务在处理时会生成新的任务,这些新任务需要在下一轮迭代中计算。迭代过程不断地进行,直至所有的任务都处理完成,或者达到用户指定的停止条件。目前已有的编程模型在设计时并没有考虑到这种类型任务,基于这些编程模型处理增量迭代类型任务时会造成系统性能的下降,或者使得编程模型变得复杂。因此本文设计了问题集编程模型,用以处理增量迭代类型的任务。在问题集编程模型中,作业中的每个需要处理的任务称为问题,处理这些问题的组件称为问题处理器,存储待处理问题的集合称为问题集。在编程模型中设计了迭代控制器,用来对作业的执行过程进行控制。问题处理器从问题集中获取并处理问题,处理中生成的子问题经过迭代控制器的筛选后加入问题集。当问题集为空,并且迭代控制器认为作业应当停止时,作业处理完成。本文对问题集编程模型进行了实现,实现的系统的名称为Proset。Proset系统使用Java语言,在Linux环境下开发和运行。Proset系统在实现时考虑到各个组件在运行时可能会崩溃,设计了备份和恢复机制,提高了系统的可用性。另外,为了在Proset系统中支持多个作业同时运行,系统基于动态优先级策略设计了调度器,提高了系统资源的利用率。目前Proset系统已经被应用在分布式网络采集系统中,系统运行良好。

关键词：编程模型增量迭代大数据计算

来源：评论

学校读者我要写书评

暂无评论

视频搜索推荐系统的设计与实现

视频搜索推荐系统的设计与实现

引用

作者：魏巍电子科技大学

学位级别：硕士

如今互联网发展迅速,随着其影响力的增加,互联网中的信息量也在呈爆炸性增长,能够帮助用户从海量信息中筛选出用户需求信息的系统也就应运而生,其中搜索引擎和推荐系统都是一种解决方案。搜索引擎的应用场景是用户需要精确查询自己想获... 详细信息

如今互联网发展迅速,随着其影响力的增加,互联网中的信息量也在呈爆炸性增长,能够帮助用户从海量信息中筛选出用户需求信息的系统也就应运而生,其中搜索引擎和推荐系统都是一种解决方案。搜索引擎的应用场景是用户需要精确查询自己想获得的数据,但是信息爆炸导致搜索出的结果很多,依然需要用户自行筛选,还有就是用户的搜索不一定能够准确描述需要搜索的内容,模糊的搜索词也会给搜索引擎得到用户希望的结果带来麻烦。于是本文希望能将搜索和推荐结合起来,使用搜索引擎提供数据来源,使用推荐系统的优点解决搜索引擎的不足。围绕上述主题和目的,本文主要研究使用大数据技术和工具设计并实现一个面向视频的搜索推荐系统。从系统功能模块上,本系统主要分为数据处理模块、搜索模块、推荐模块和web模块,从系统具体技术实现上,本系统着重介绍了以下三个方面。数据存储系统由传统关系型数据库和NOSQL数据库结合构成,保证了多种不同类型数据的高速存取和存储系统的高容量、低成本、高速率三者的有机统一。数据处理和计算主要使用了kafka和spark的体系,不仅实现了系统数据处理过程的稳定可靠,也实现了高效处理大批量的流式数据和定时处理数据离线计算,保证了系统整体效率。结果展示使用Java相关技术,搭建了前后端分离的web系统,借助浏览器实现对系统的交互使用和对结果的展示。本系统的主要功能以及作用有以下几点。在视频搜索中引入了个性化推荐功能,提升用户的搜索效率,使用多种数据训练推荐模型,配置不同的推荐算法,提供多样化的推荐功能。最终系统在实现既定功能目标的同时,在层次化设计和分布式集群计算两种思想的指导下,保证了系统各项性能指标,并最终通过系统测试进行了验证。

关键词：个性化推荐 Spark 搜索分布式系统大数据计算

来源：评论

学校读者我要写书评

暂无评论

染整质量大数据分析关键技术研究

染整质量大数据分析关键技术研究

引用

作者：王珏华侨大学

学位级别：硕士

在染整行业中染色与热定型是产品生产中最重逈的阶段,同样也是最容易造成质量不合格引起返工率高的阶段。质量预测与分析是构成染整生产过程闭环质量控制的重逈环节。目前质量预测与分析中很少有以大量数据为基础,因此无论对质量的预测... 详细信息

在染整行业中染色与热定型是产品生产中最重逈的阶段,同样也是最容易造成质量不合格引起返工率高的阶段。质量预测与分析是构成染整生产过程闭环质量控制的重逈环节。目前质量预测与分析中很少有以大量数据为基础,因此无论对质量的预测还是对质量影响因素的分析都无法确定得到结果的准确性。在实际热定型中通常同时出现多种质量指标不合格的情况,但目前的影响因素分析中,都是针对单一质量指标的分析,因此得到的改进策略无法解决这类情况。而在染色过程中传统根据经验的方法无法准确的确定影响色差和缸差的原因,并且在染色质量分析中对其有影响的可能因素没有全面的考虑。为了解决以上存在的问题,本课题研究内容如下:1.深入研究热定型过程质量指标与影响因素的关系,分别以小量数据与大量数据为基础,建立关于工艺参数对质量指标克重的预测模型,验证并比较两种情况下预测模型的准确性。2.对大量质量异常的产品利用聚类分析的方法,根据不同的质量指标使其分成不同类,再结合相关性的方法,得到相应不同类中的工艺参数对质量的影响程度,在大数据平台上得以实现,并给予合理的改进方案。3.从染色过程原理出发,结合实际染色生产调研,全面的确定可能造成色差和缸差状况的影响因素。通过贝叶斯网络并结合链状变量消除的方法,构建并简化染色过程的网络结构。在大数据平台上,对色差与缸差现象的影响因素加以分析,并且预测出现这两种不合格现象的情况。4.根据实际企业中染整生产过程,搭建染整大数据平台,设计染整质量管理系统,使数据收集、质量预测与质量分析等功能更加智能化可视化的实现。通过以上的研究,提高染色过程与热定型过程对质量预测与影响因素分析的准确性与稳定性,改善产品质量,减少生产中的返工率。并对实现染整质量闭环控制和大数据技术在染整行业中应用给予很大的价值。

关键词：染色过程热定型过程质量分析质量预测大数据计算

来源：评论

学校读者我要写书评

暂无评论

群体连锁不平衡结构分析新算法开发及应用

群体连锁不平衡结构分析新算法开发及应用

引用

作者：黄鑫浙江大学

学位级别：硕士

连锁不平衡(Linkagedisequilibrium,LD),即基因座之间的非随机关联,是描述动态变化过程中群体特征的主要指标之一,可反映群体历史、地理分化、繁殖方式、自然选择的历史等各方面信息。在随机交配群体中,LD受染色体长度和重组率等因素影... 详细信息

连锁不平衡(Linkagedisequilibrium,LD),即基因座之间的非随机关联,是描述动态变化过程中群体特征的主要指标之一,可反映群体历史、地理分化、繁殖方式、自然选择的历史等各方面信息。在随机交配群体中,LD受染色体长度和重组率等因素影响。当群体经历选择、分化或群体内部包含众多稀有变异时,会出现复杂的LD结构。在高通量测序时代,如何衡量群体内大尺度的LD结构一直被长期忽视,主要原因是高通量数据本身所带来的计算挑战。以样本量接近一千(n≈103)、分子标记数接近百万(m≈106)的重测序群体为例,基因组LD的计算复杂度为O(nm2),在常规计算资源下几乎无法实现,针对海量组学数据,现有LD算法亟待发展。鉴于此,本研究针对不同样本尺度的高通量测序数据发展了两种估算染色体水平LD的高效算法和配套分析软件,为海量数量群体多层面LD解析奠定了基础。算法Ⅰ直接构建个体间亲缘关系的遗传关联矩阵(Genetic relatedness matrix,GRM),通过解析方式将亲缘关系转化为分子标记间的LD,计算复杂度为O(n2m)—集中在GRM构建部分,适用于小群体高密度分子标记数据。算法Ⅱ针对样本量接近几十万的数据集,通过随机迹统计量避免了耗时的GRM构建,由迭代算法获取分子标记间LD,总体计算复杂度为O(nmB),其中B为迭代次数。重构了根井正利与李文雄的广义LD解析结构,模拟验证了两种算法有效性及群体结构与稀有多态位点等因素对群体LD结构的影响。在实例数据分析中,将算法Ⅰ和Ⅱ应用于25类参考群体(最大样本量不超过104)和英国生物样本库(UK Biobank,样本量约5 × 105)。模拟和实例分析揭示了群体结构、选择与稀有多态位点对群体LD结构影响;相比国际常用软件PLINK,两套算法在LD计算效率上提升了 3个(103)甚至更高数量级;针对异源六倍体小麦以及烟草群体分别揭示了各亚基因组间LD差异以及参考基因组差异对LD影响。新算法突破了现有方法无法分析大群体海量标记间平均LD的计算瓶颈,为研究基因组水平、染色体水平以及特定功能区段的LD结构奠定了基础。

关键词：连锁不平衡群体遗传学遗传关联矩阵群体结构分子进化大数据计算

来源：评论

学校读者我要写书评

暂无评论

基于供求聚合模型的OAA数联卡工具研究与实现

基于供求聚合模型的OAA数联卡工具研究与实现

引用

作者：萧海彬华南理工大学

学位级别：硕士

随着大数据时代的到来,如何高效地对数据进行管理显得愈加重要。数据管理的难点,一方面在于数据量的急速膨胀,系统所要处理的数据量已远远超出单台机器的负荷。另一方面,则在于在不同的业务部门之间数据格式不一,数据来源异构且数据无... 详细信息

随着大数据时代的到来,如何高效地对数据进行管理显得愈加重要。数据管理的难点,一方面在于数据量的急速膨胀,系统所要处理的数据量已远远超出单台机器的负荷。另一方面,则在于在不同的业务部门之间数据格式不一,数据来源异构且数据无法共享,难以进行异构数据集成并统一管理。除此以外,为了保证数据的高可用性,往往需要在多个服务器中存放同一份数据的多个副本来防止数据的丢失,而在这种情况下,如何高效保证源服务器与备份服务器间数据的一致性也是数据管理中不可忽视的一个环节。本文从课题研究背景出发,着眼于文件增量同步和异构数据集成两大功能模块的研究,提出了基于供求聚合模型的OAA（Object Access Agent）数联卡工具,该工具主要从以下三个方面展开研究:（1）基于CDC（Content-Defined Chunking）的文件增量同步方法实现,本文基于Rsync算法的原理,针对其计算时间消耗较长的缺点,提出了基于CDC的文件增量同步通用方法。该方法利用CDC算法抗字节移动能力强的特点,极大地降低了计算弹性,使其不会由于增量数据大小的增加而导致计算时间消耗的急速增加。在高速网络环境下,与Rsync算法相比,该方法具有更小的计算时间消耗与计算弹性,具有较强的实用性。（2）异构数据集成功能实现,本文以核心配置文件为驱动,以Spark分布式计算框架为基础,把异构数据集成功能根据计算流程从逻辑上分为了数据抽取,数据连接,数据转换,数据注入与定时同步共五个模块并进行相应的实现。此外,我们为Spark分布式计算框架中一些并不友好的设计进行了优化,允许通过动态注册UDF的方式实现数据转换以及基于分布式并发编程的方式进行数据注入,对Spark的原生功能进行了进一步的扩展,使得OAA数联卡工具在异构数据集成功能中具有较强的实用性与灵活性。（3）供求聚合模型的应用与功能扩展,该模型以“供求关系”组织服务间的通信,支持服务的动态加入和功能扩充,本文对实现的文件增量同步功能与异构数据集成功能进行封装,并以挂件形式挂载至模型中,形成OAA数联卡工具,允许其他用户通过该模型进行相关服务的调用。除此以外,针对供求聚合模型数据处理功能的缺失,我们基于消息系统为其添加了数据缓存与数据访问功能,提高了模型内部对数据的可操作性。

关键词：供求聚合模型文件增量同步异构数据集成可变长分块算法大数据计算

来源：评论

学校读者我要写书评

暂无评论

大数据环境下图匹配与点覆盖问题算法研究

大数据环境下图匹配与点覆盖问题算法研究

引用

作者：郭颖广州大学

学位级别：硕士

大数据时代,计算机每天都要处理海量的数据。每一个用户都置身于大数据环境中,但个人拥有的计算资源却无法处理大数据。本文主要关注在计算资源受限的情况下怎么处理大数据计算问题,同时利用参数计算模型,研究在大数据环境下参数化图匹... 详细信息

大数据时代,计算机每天都要处理海量的数据。每一个用户都置身于大数据环境中,但个人拥有的计算资源却无法处理大数据。本文主要关注在计算资源受限的情况下怎么处理大数据计算问题,同时利用参数计算模型,研究在大数据环境下参数化图匹配(k-匹配)以及参数化点覆盖(点覆盖)问题的算法,主要内容有以下几点。(1)针对无权图的k-匹配问题,提出了时间复杂度为O(n+m+k2.5)和空间复杂度为O(k2)的算法(其中n是图的顶点数目,m是图的边数目,k是参数,表示结果的大小)。首先,根据图匹配问题的结构特点,以顶点的度为2k进行图划分,分块处理数据,设计了一个时间复杂度为O(n+m+k2 log k)的核心化算法,得到的问题核大小为O(k2)。然后,在得到的问题核上应用已有的最大匹配问题算法结果给出新的证明,能够在O(k2.5)时间内得到k-匹配的结果。因此,无权图k-匹配问题最终能够在O(n+m+k2.5)时间以及O(k2)的空间内解决,符合大数据环境下有限资源的要求。(2)关于赋权图的权值和最大的k-匹配(最大k-匹配)问题,提出了时间复杂度为O(n+m+k3 logk)和空间复杂度为O(k2)的算法。对于赋权图的匹配算法的设计思路也类似,首先是设计核心化算法,压缩问题的初始规模。不同之处在于处理赋权图的边时需要始终保留权值更大的边,并在线性时间内完成。因此,提出了一个时间复杂度为O(n+m+k3 logk)的核心化算法,得到问题核大小为O(k2)。然后,同样是应用赋权图的最大匹配算法结果,给出新的证明思路,能在O(k3 log k)时间针对得到的问题核返回一个权值和最大的k-匹配或者没有这样的k-匹配。最终,赋权图的最大k-匹配问题是在O(n+m+k3 log k)时间和O(k2)空间内解决。(3)对于点覆盖问题,只关注其核心化算法,分别改进了局部简化算法以及皇冠分解算法,提出时间复杂度为O(n+m+k2)和O(n+m+k3)的线性时间算法,并且所需空间都是O(k2)。首先,本研究应用了已有的局部简化规则中的两条,做出适当修改,使其符合大数据环境提出的时间和空间要求,提出了一个时间复杂性为O(n+m+k2)和空间复杂性为O(k2)的线性算法,并且保证核大小的数量级为O(k2)。同时,皇冠分解算法的重点在于寻找最大匹配时所需多项式时间,我们则是利用贪心法在线性时间内找到极大匹配,然后保留皇冠分解结构,再寻找最大匹配,最终提出一个时间复杂性是O(n+m+k3)和空间复杂性为O(k2)的新的皇冠分解算法,最终得到的核大小仍是3k。改进的核心化算法在保证问题核大小的同时改进算法时间和空间。针对以上两个参数化问题设计的算法不仅能够应用在大数据环境下,一般的计算环境也能适用并且都能比现有的多项式时间结果更优。

关键词：参数计算理论大数据计算核心化算法图匹配点覆盖

来源：评论

学校读者我要写书评

暂无评论

基于抖音兴趣点的推荐系统的设计与实现

基于抖音兴趣点的推荐系统的设计与实现

引用

作者：冯浩南京大学

学位级别：硕士

抖音是字节跳动公司开发的一款短视频软件,凭借其个性化推荐技术在短短数年之内就获得了巨大的用户量。然而抖音目前的推荐内容仅局限于视频,推荐形式不够多元,内容生态也不够完善。另外,抖音将流量变现的方式当前主要依赖广告,商业化... 详细信息

抖音是字节跳动公司开发的一款短视频软件,凭借其个性化推荐技术在短短数年之内就获得了巨大的用户量。然而抖音目前的推荐内容仅局限于视频,推荐形式不够多元,内容生态也不够完善。另外,抖音将流量变现的方式当前主要依赖广告,商业化手段不够丰富,缺少将线上流量有效转化到线下的能力。用户在使用抖音时,除了观看视频外还可以拍摄自己的作品并发布。抖音允许用户为发布的视频绑定地理位置,这一信息称为抖音兴趣点。通常,兴趣点在视频播放时只做展示,无法满足用户在观看视频时产生的对拍摄地点的探索欲望,与兴趣点对应的线下商户也很难从抖音获得除了宣传之外的收益。为了丰富抖音推荐内容生态,延展兴趣点相关信息,同时通过引导用户购买兴趣点的推荐商品并线下消费来探索将流量商业化的场景,最终提升商业价值,公司考虑围绕兴趣点做相关的推荐业务。本文结合互联网用户和第三方供应商等角色的需求分析,围绕视频信息、兴趣点信息和用户行为信息设计并实现了基于抖音兴趣点的推荐系统。本系统按照功能划分为推荐管理模块、相似推荐模块、商品货架模块以及相关视频模块,每个模块都给出了对应的详细设计与实现。系统开发使用原生支持高并发的Golang语言,整体采用微服务架构,服务之间通过RPC通信框架进行交互,数据存储方面使用My SQL作为基本数据存储,热点数据使用Redis进行缓存,大数据集的在线搜索使用Elastic Search,离线计算使用Hive数据仓库,消息组件使用Kafka。通过业务组件和中间件的组合使用,保证了系统的高并发和高可用。本系统在商品、视频等维度对兴趣点的相关信息做出了推荐,自上线以来运行稳定,满足了用户对兴趣点的探索欲望,极大提升了抖音的用户体验;一些与兴趣点相绑定的商户从抖音获得了可观的客流量,增加了他们的收益额。系统同时具备良好的扩展性,可以随着业务的迭代自由增加推荐模块而不影响整体性能。

关键词：兴趣点推荐系统大数据计算 Golang

来源：评论

学校读者我要写书评

暂无评论

典型工业设备检测监测数据处理方法研究与应用

典型工业设备检测监测数据处理方法研究与应用

引用

作者：曾杰重庆大学

学位级别：硕士

工业设备是工业发展的基础和支撑,近年来,随着云计算、物联网等技术的发展,为典型工业设备的检测监测提供了新方法和新模式。论文针对工业设备健康状况进行检测监测,通过物联网技术实现工业设备运行状态及工艺状态的数据采集,用大数据... 详细信息

工业设备是工业发展的基础和支撑,近年来,随着云计算、物联网等技术的发展,为典型工业设备的检测监测提供了新方法和新模式。论文针对工业设备健康状况进行检测监测,通过物联网技术实现工业设备运行状态及工艺状态的数据采集,用大数据技术解决采集到的海量工业数据分布式存储与计算问题,从而实现设备的智能管理。论文设计并实现了一套运用于工业设备的设备健康检测监测系统。有效地减少因设备导致的安全生产事故,增加设备的使命寿命,提高资源的利用率,发挥工业设备在工业发展中的安全支撑作用。论文主要完成了以下工作:(1)分析了工业设备大数据平台所使用的相关技术,包括大数据的特征分析,分布式数据存储的HDFS及HBase技术以及分布式计算的Spark技术,大数据技术Zookeeper以及大数据可视化技术。(2)针对工业设备检测监测大数据存储与大数据计算展开了相关的研究,对不同的大数据存储与计算架构展开了对比分析,进行了大数据存储及计算架构的优化设计,并进行了验证。(3)提出了面向典型工业设备健康检测监测大数据处理平台的总体设计方案,进行了需求分析、平台总体设计、数据采集层设计、数据存储层设计、数据计算层设计及应用可视化层设计。(4)完成了面向典型工业设备健康检测监测大数据处理平台的实现,基于HDFS+HBase+Spark技术,采用阿里云,对大数据存储与计算模块的分布式部署,完成平台核心的存储与计算功能,实现了平台的两个主要的应用需求即对工业设备的周期性检测与对设备的实时监测,实现了平台的模块功能设计,包括:大数据采集、大数据存储、大数据计算、大数据应用等,并实现了相应的大数据可视化展示。

关键词：工业大数据设备检测监测大数据存储大数据计算

来源：评论

学校读者我要写书评

暂无评论

染整质量大数据技术研究与应用

染整质量大数据技术研究与应用

引用

作者：罗孝雯华侨大学

学位级别：硕士

质量因素精准定量分析是实现染整生产过程质量闭环控制的关键环节,染色与热定型是当前染整行业返工率最高的工序,针对目前染色过程传统的分析方式无法精确导致花色质量问题的原因,以及热定型质量分析未全方位考虑对质量有影响的因素,并... 详细信息

质量因素精准定量分析是实现染整生产过程质量闭环控制的关键环节,染色与热定型是当前染整行业返工率最高的工序,针对目前染色过程传统的分析方式无法精确导致花色质量问题的原因,以及热定型质量分析未全方位考虑对质量有影响的因素,并且在分析中没有充分利用大量历史数据和实时数据的价值,也未将大数据技术应用于其中。为解决以上存在的问题,本课题研究内容如下:1、针对染色生产过程特点,对生产过程进行分级分析,得出因素与因素,因素与环节,以及环节与最终质量指标之间的关系,结合概率论相关理论知识,建立染色过程串级结构质量预测与分析模型,并用该模型确定对色花色差质量有较大影响的因素集。2、全面考虑热定型生产流程、定型机机械构造,采用基于团树传播算法的贝叶斯推理规则,建立工艺参数、设备状态、人工操作与质量间的模型,实现热定型过程质量因素精确定量分析。3、深入分析染整质量数据的特点,结合流式计算与批量计算的各自优势,设计基于双计算模式的染整行业质量大数据分析系统构架,并说明各部分的作用与意义以及系统具体工作流程,大数据构架的设计为后续程序设计打下坚实基础。通过以上的研究,可为实现染整质量闭环控制和推广染整行业智能化提供有效参考,为提高染色与热定型过程质量分析的精度和准确性,改善产品质量,以及提高生产一次合格率发挥了重要作用。

关键词：染色过程热定型过程质量分析贝叶斯网络大数据计算

来源：评论

学校读者我要写书评

暂无评论

从系统角度审视大图计算

引用

大数据 2015年第3期1卷 48-61页

作者：吴城文张广艳郑纬民清华大学计算机科学与技术系北京100084

大图计算已经成为学术界和工业界的一种基本计算模式,并且已经被应用到许多实际的大数据计算问题上,如社交网络分析、网页搜索以及商品推荐等。对于这些问题,大图的规模约有10亿级的点以及1 000亿级的边,这样的规模给大图的高效处理带... 详细信息

大图计算已经成为学术界和工业界的一种基本计算模式,并且已经被应用到许多实际的大数据计算问题上,如社交网络分析、网页搜索以及商品推荐等。对于这些问题,大图的规模约有10亿级的点以及1 000亿级的边,这样的规模给大图的高效处理带来了诸多挑战。为此,介绍了大图计算的基本特征和挑战、典型的计算模型以及具有代表性的分布式、单机处理系统,同时对图处理系统中的关键技术进行总结,最后从系统的角度给出大图计算可能的一些研究方向。

关键词：大数据计算大图计算计算模型计算系统

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：