检索结果-内蒙古大学图书馆

科技通报 2014年第6期30卷 200-202页

作者：郑帅四川职业技术学院四川遂宁629000

研究无线网络拓扑结构中节点最优化稀疏性控制和连通性问题。提出一种合理利用居间节点半自由度特性的最优稀疏化网络拓扑设计方法。对网络节点的2维及3维空间的居间节点半自由度作定义,有效利用居间节点对邻近节点的连通性加权值,使节... 详细信息

研究无线网络拓扑结构中节点最优化稀疏性控制和连通性问题。提出一种合理利用居间节点半自由度特性的最优稀疏化网络拓扑设计方法。对网络节点的2维及3维空间的居间节点半自由度作定义,有效利用居间节点对邻近节点的连通性加权值,使节点能量最大利用,任何一个节点不再是孤立节点,最后用半自由度稀疏化连通适应度函数对网络拓扑的稀疏性进行评价。仿真实验表明,设计方法能有效平衡网络拓扑的稀疏性和连通性之间的对立关系,同等节点个数下,通信半径提高显著,同等连通性下,网络节点可减少600个,很好实现了网络拓扑的稀疏化。

关键词：居间节点半自由度稀疏性网络拓扑

来源：评论

学校读者我要写书评

暂无评论

易逝品多摇臂动态定价算法研究 ——基于数据稀疏性的贝叶斯学习视角

易逝品多摇臂动态定价算法研究 ——基于数据稀疏性的贝叶斯学习...

引用

作者：吴宇平新疆财经大学

学位级别：硕士

近年来,随着中国电子商务平台的迅猛发展,在线销售凭借其低廉的价格和便捷的服务优势逐渐成为行业主流,并吸引了众多的消费者。同时,互联网和电子商务技术的进步也为商品的动态定价提供了便利条件,在日趋激烈的市场竞争下,如何制定合理... 详细信息

近年来,随着中国电子商务平台的迅猛发展,在线销售凭借其低廉的价格和便捷的服务优势逐渐成为行业主流,并吸引了众多的消费者。同时,互联网和电子商务技术的进步也为商品的动态定价提供了便利条件,在日趋激烈的市场竞争下,如何制定合理的价格,保证企业可持续发展,已成为理论界和应用界关注的焦点。易逝品是一类容易发生变质、生命周期较短的商品,其价值会随时间的增加而逐渐递减,促使消费者的购买欲望下降。截止保质期未售出的易逝品价值为零,不当的定价策略可能会给商家带来巨大损失,故而研究易逝品的定价问题具有重要的现实意义。本文针对处于在线零售业垄断地位的商家,着力研究变质速度较慢的单一易逝品的动态定价问题,帮助垄断商家在销售过程中实现利润最大化。首先,本文对易逝品在线销售数据的稀疏性问题进行了研究,并将Boot Strap和核回归相结合的方法用于处理易逝品在线销售数据的稀疏性问题。结果表明:易逝品在线销售数据具有价格长时间保持不变、表现销售价格如何影响平均销售收入的有效数据点较少、价格数据呈稀疏分布的稀疏性特点。经过稀疏性处理后,可得到整个定价区间上连续价格水平与其对应的Boot Strap置信度之间的非线性函数关系。由于每个价格对应的Boot Strap置信度可作为该价格是最优价格的概率,故某价格对应的Boot Strap置信度越大,越有理由认为该价格是最优价格。数据稀疏性处理方法将整个定价区间内任意价格水平对应的Boot Strap置信度都做出了估计,不遗漏定价区间内的任一价格,为易逝品后续的动态定价研究奠定了基础。其次,本文考虑了所到达消费者对商品的可接受价格区间的不确定性,对在线最优定价区间的真实取值的影响,在此不确定性因素影响下,具体阐述了运用贝叶斯学习方法预测在线最优定价区间的整个过程,并对该预测过程进行了仿真分析。结果表明:消费者对商品的可接受价格区间的半径不同,在线最优定价区间的预测结果不同;当所到达消费者的可接受价格区间波动较小时,不确定性较小,对定价区间是最优定价区间的后验概率的影响较小;当所到达消费者的可接受价格区间波动较大时,不确定性较大,对定价区间是最优定价区间的后验概率的影响较大,且在贝叶斯学习的不同阶段,在线最优定价区间的预测结果可能不同,由此验证了贝叶斯学习的必要性。最后,本文以变质速度较慢的易逝品为研究对象,考虑了消费者对易逝品的感知价值的衰减,从需求角度将易逝品的动态定价问题建模为多摇臂赌博机模型,之后又提出了专门针对易逝品的动态定价学习策略,即UCB1-PP算法,目的是通过提出的UCB1-PP算法,帮助商家在动态定价过程中实现期望利润最大化。为评估UCB1-PP算法的效用,即UCB1-PP算法在定价过程中获得的期望利润和产生的后悔值,本文通过仿真实验,将UCB1-PP算法与UCB1、UCB1-M、Var UCB三种算法的效用进行了对比分析,同时,还对忽略消费者感知价值的衰减给商家带来的损失进行了分析。结果表明:在消费者对易逝品感知价值的衰减速率取值不同的情况下,本文提出的UCB1-PP算法获得的期望利润均高于其他三种算法,所产生的后悔值均小于其他三种算法,说明在易逝品的动态定价问题中,本文提出的UCB1-PP算法要优于其他三种算法。对于易逝品的定价,若商家忽略消费者对易逝品感知价值的衰减,损失可达19.35%,由此可见,考虑消费者对易逝品感知价值的衰减在易逝品动态定价中非常重要。

关键词：易逝品动态定价稀疏性贝叶斯学习多摇臂赌博机模型

来源：评论

学校读者我要写书评

暂无评论

基于数据稀疏性和冷启动的个性化协同过滤推荐系统研究

基于数据稀疏性和冷启动的个性化协同过滤推荐系统研究

引用

作者：马梦圆对外经济贸易大学

学位级别：硕士

随着互联网技术的快速发展，电子商务走进人们生活的方方面面，我们在购物、看电影、查阅资料等方面都可以用到电子商务，电子商务推荐系统也为用户和企业带来了很大的便利，协同过滤推荐是电子商务推荐系统中应用最广泛的个性化推荐技... 详细信息

随着互联网技术的快速发展，电子商务走进人们生活的方方面面，我们在购物、看电影、查阅资料等方面都可以用到电子商务，电子商务推荐系统也为用户和企业带来了很大的便利，协同过滤推荐是电子商务推荐系统中应用最广泛的个性化推荐技术。但是随着网站使用人数、网站商品种类和数量的增多，给电子商务推荐系统带来了挑战，目前协同过滤推荐系统中存在的稀缺性和冷启动问题严重影响着推荐商品的准确性。本文首先对电子商务推荐系统进行了研究，详细介绍了它的概念、发展和意义，对电子商务推荐系统的研究概况、研究内容做了深入全面的分析，并且对推荐系统的三个模块进行了介绍。然后又对电子商务推荐系统中应用最为普遍的协同过滤推荐系统进行了介绍和分析，详细介绍了协同过滤推荐算法的原理，就协同过滤推荐在应用中出现的稀缺性问题和冷启动问题进行了研究，首先通过项目类别运用相似性算法找到目标用户的邻居用户，采用slope one算法对矩阵的缺失值进行填充，解决了稀疏性和冷启动的问题，并且在一定程度上提高了填充数据的准确性，然后再基于用户属性特征的不同运用相似性算法，计算出目标用户的预测评分，并且生成推荐结果。本文最后对该算法进行了实验验证，证明了该改进的方法对于解决数据稀疏性和冷启动问题确实有一定效果，并且在一定程度上提高了推荐结果的准确性。

关键词：推荐系统稀疏性冷启动协同过滤

来源：评论

学校读者我要写书评

暂无评论

最小二乘支持向量机的稀疏性与泛化性研究

最小二乘支持向量机的稀疏性与泛化性研究

引用

作者：李晓航大连理工大学

学位级别：硕士

最小二乘支持向量机是一种基于支持向量机的改进算法,针对小样本建模问题,具有结构简单、全局最优、直观的几何可解释性和较强的泛化能力等优点。然而,如何提高最小二乘支持向量机算法解的稀疏性以及算法的泛化性,需要进一步的研究。本... 详细信息

最小二乘支持向量机是一种基于支持向量机的改进算法,针对小样本建模问题,具有结构简单、全局最优、直观的几何可解释性和较强的泛化能力等优点。然而,如何提高最小二乘支持向量机算法解的稀疏性以及算法的泛化性,需要进一步的研究。本文重点从增强稀疏性和提高泛化性这两个角度对最小二乘支持向量机进行研究。论文的主要研究工作如下： 1.针对最小二乘支持向量机的解缺乏稀疏性的问题,提出了l0-范数稀疏最小二乘支持向量机。该算法首先在最小二乘支持向量机的结构风险最小化的优化目标函数中加入l0-范数调整项,然后在原空间进行求解,使用迭代的方法进行稀疏化。人工数据、标称数据集和工业数据的实验表明该算法具有很强的稀疏性,且能保持很好的泛化性能。 2.针对最小二乘支持向量机的泛化性能提高问题,提出了一种选择性集成最小二乘支持向量机。选择性集成算法由个体生成和结论合成两方面组成,对于个体生成部分使用噪声注入的方法生成子模型的新的训练样本,对于结论合成方面使用压缩感知中的贪婪算法OMP算法来进行集成。航空煤油干点软测量实验表明该选择性集成算法能够提高最小二乘支持向量机的泛化精度。 3.考虑核函数对最小二乘支持向量机泛化性的影响,提出了基于lp-范数约束的多核学习最小二乘支持向量机。本文提供了两种求解方法,均使用两重循环来求解,外循环用于更新核函数的权值,内循环用于求解最小二乘支持向量机的拉格朗日乘数a。单变量和多变量函数的实验结果表明,该算法能够提高泛化性能,且对惩罚参数的选择具有比较强的鲁棒性。

关键词：最小二乘支持向量机稀疏性泛化性选择性集成多核学习

来源：评论

学校读者我要写书评

暂无评论

针对稀疏性的协同过滤优化算法研究

针对稀疏性的协同过滤优化算法研究

引用

作者：李熠晨西北大学

学位级别：硕士

协同过滤是推荐系统中最流行且最成功的推荐算法。它基于群体智慧的思想,为目标用户选取行为最接近的邻居用户并根据邻居用户的喜好为目标用户进行推荐。协同过滤算法在帮助用户解决“信息过载”问题的同时还受到诸多问题的困扰。稀疏... 详细信息

协同过滤是推荐系统中最流行且最成功的推荐算法。它基于群体智慧的思想,为目标用户选取行为最接近的邻居用户并根据邻居用户的喜好为目标用户进行推荐。协同过滤算法在帮助用户解决“信息过载”问题的同时还受到诸多问题的困扰。稀疏性问题是其面临的最主要问题,由于评分数据的过度稀疏导致相似度计算和邻居选择不准确,最终影响推荐结果的精度,同时推荐结果的可信度也大打折扣。本文针对协同过滤中的稀疏性问题,进行了较为深入地研究,提出了以下三种优化的协同过滤算法。(1)提出了基于预测值和用户/项目平均绝对误差(Mean Absolute Error,MAE)值填充的优化算法。计算每个用户/项目的MAE值,按照填充规则使用预测值与MAE值对评分矩阵中的空缺值进行填充,使用填充后的评分矩阵执行协同过滤算法。该算法确保填充值贴近各用户的评分均值,既保障了预测结果能够满足不同用户的个性化评分习惯,又提高了推荐的准确度。(2)提出了基于项目聚类的优化算法。对原始矩阵的项目列进行聚类,根据聚类结果构建两种更加稠密的“用户-类别”矩阵,据此计算出用户的两种相似度。将得到的相似度线性加权并结合修正系数作为最终的相似度进行推荐。该算法在更为稠密的矩阵上进行相似度计算,使推荐结果更为可信;同时由于矩阵规模减小,算法的效率也有所提升。(3)提出了基于信任网络的优化算法。将信任关系引入协同过滤中。使用用户间的共同评分以及传递规则构建信任网络。将信任网络的信任度与传统用户相似度进行线性加权,对用户未评分项目进行预测。该算法根据目标用户所信任用户的喜好进行商品推荐,其结果不仅比传统的基于邻居的推荐更加可信,同时推荐精度也获得了一定程度的提升。通过大量对比实验,证明了本文算法的有效性以及可行性。

关键词：协同过滤稀疏性预填充项目聚类信任网络

来源：评论

学校读者我要写书评

暂无评论

协同过滤推荐算法稀疏性与可扩展性问题研究

协同过滤推荐算法稀疏性与可扩展性问题研究

引用

作者：李小浩重庆大学

学位级别：硕士

随着社会从IT时代迈向DT时代,人们每天面对的信息呈爆炸般增长,信息过载已经成为困扰行业发展的一大阻碍。特别是在电子商务领域,面对琳琅满目的商品,用户却不得不花费更多的时间来寻找自己中意的商品。推荐系统的发展有效弥补了这种缺... 详细信息

随着社会从IT时代迈向DT时代,人们每天面对的信息呈爆炸般增长,信息过载已经成为困扰行业发展的一大阻碍。特别是在电子商务领域,面对琳琅满目的商品,用户却不得不花费更多的时间来寻找自己中意的商品。推荐系统的发展有效弥补了这种缺陷,其中协同过滤推荐算法的研究更是取得了巨大成功。但是随着商品越来越多,用户-项目评分矩阵越变越稀疏,传统的协同过滤推荐算法推荐精度受到比较大的影响。另外,受单机性能的制约,面对海量数据传统协同过滤推荐算法的计算效率以及可扩展性也面临着严峻挑战。本文详细研究了协同过滤推荐算法的数据稀疏性问题以及随着数据量增长可扩展性较差的问题,并针对这两个问题从改进相似度计算方法改善数据稀疏性和采用分布式编程算法提高算法可扩展性两个角度改善推荐质量。第一,用户评价数过少导致用户-项目评分矩阵极度稀疏,降低了协同过滤推荐算法的推荐精度。本章从项目的评分向量整体分布情况出发,提出了辅助因子相似度的概念,并将辅助因子相似度与基于项目的传统的相似度方法进行融合,提出了融合辅助因子的协同过滤推荐算法。在项目共同评分数据很少的情况下,改善了推荐精度不足的问题。实验证明,本章算法可以有效的缓解数据稀疏性,提高推荐精度。第二,针对传统单机的协同过滤推荐算法随着数据集增长可扩展性较差的问题,本章实现了基于Hadoop分布式平台的协同过滤推荐算法。计算用户偏好向量和共现矩阵的乘积来得到推荐向量,通过动态增添集群节点改善算法的可扩展性。计算矩阵乘时放弃传统的矩阵乘法,采用一种改进的矩阵乘法部分点积法,减少了用户偏好向量稀疏性带来的大量无效计算,提高了计算效率。最后,实验证明,本算法有效的提高了计算效率,随着数据集增大可扩展性良好。

关键词：协同过滤推荐算法稀疏性可扩展性分布式 Hadoop

来源：评论

学校读者我要写书评

暂无评论

协同过滤推荐算法的稀疏性与可扩展性问题研究

协同过滤推荐算法的稀疏性与可扩展性问题研究

引用

作者：毛宜钰湖南科技大学

学位级别：硕士

近年来,随着服务计算与云计算的迅速发展,越来越多的应用以云端服务的形式由开发商提供给用户,由此引发了服务数量的爆炸式增长。面对庞大的候选服务群,如何迅速定位符合用户个性化需求的服务已成为亟待解决的问题之一。个性化推荐系统... 详细信息

近年来,随着服务计算与云计算的迅速发展,越来越多的应用以云端服务的形式由开发商提供给用户,由此引发了服务数量的爆炸式增长。面对庞大的候选服务群,如何迅速定位符合用户个性化需求的服务已成为亟待解决的问题之一。个性化推荐系统能够把用户潜在的、模糊的需求转变为现实的、明确的需求,帮助用户过滤无效信息,有效地缓解了这一问题。其中,协同过滤推荐技术由于算法简单,推荐准确率高,成为个性化服务推荐领域应用最成功的技术。但是,随着系统中用户和服务数目的增加,用户-项目评分矩阵变得越来越稀疏,严重影响了协同过滤算法的推荐质量。此外,面对系统中海量数据,协同过滤算法的可扩展性也面临着严峻的挑战。本文针对协同过滤算法的稀疏性问题和可扩展性问题展开详细研究:首先,基于服务调用次数与用户兴趣之间的非线性关系,采用Logistic函数来计算用户兴趣,不需使用用户评分数据,从而改善算法的稀疏性问题。其次,采用离线用户聚类算法对原有大规模用户数据进行聚类,实时计算过程中仅在与目标用户同属一簇的用户中寻找最近邻居,提高推荐效率。具体而言:第一,针对协同过滤算法的稀疏性问题,提出一种基于Logistic函数的协同过滤推荐算法。首先通过分析用户对服务的历史调用记录,利用调用次数代替传统方法中的用户评分;然后引入Logistic函数对调用次数进行标准化处理,使其更合理地反映用户兴趣;最后在此基础上结合传统协同过滤算法预测用户感兴趣的服务来进行推荐。第二,针对传统协同过滤算法可扩展性较差的问题,提出一种基于用户聚类的协同过滤算法。该方法首先结合调用次数和服务的关键词,得到用户对服务关键词的偏好情况,并利用TF-IDF方法计算用户对关键词的偏好度,构建用户-关键词偏好向量,以此进行用户聚类;然后引入Logistic函数计算用户对服务的兴趣度;最后,在目标用户所在的聚类中寻找其最近邻居,根据最近邻居对目标服务的兴趣度预测目标用户对目标服务的兴趣度。最后,论文对上述方法的有效性进行了分析与验证。

关键词： k-means聚类 Logistic函数协同过滤稀疏性可扩展性

来源：评论

学校读者我要写书评

暂无评论

利用稀疏性来高效计算系数扰动后的椭圆方程的多尺度有限元空间

利用稀疏性来高效计算系数扰动后的椭圆方程的多尺度有限元空间

引用

作者：张宝上海交通大学

学位级别：硕士

本文主要是针对一类最常见的椭圆型偏微分方程多尺度问题探究其新的数值求解方法构造。解决这类问题的传统手段是利用经典有限元法和多尺度有限元法,而在此基础上针对具体的此类方程又催生出了两种基于Rough Polyharmonic Splines(RPS)... 详细信息

本文主要是针对一类最常见的椭圆型偏微分方程多尺度问题探究其新的数值求解方法构造。解决这类问题的传统手段是利用经典有限元法和多尺度有限元法,而在此基础上针对具体的此类方程又催生出了两种基于Rough Polyharmonic Splines(RPS)粗空间的构造方法:一种是Global Rough Polyharmonic Splines(G-RPS)粗空间,另外一种是Local Rough Polyharmonic Splines(L-RPS)粗空间。这些方法都能在既节约计算资源又能保证适度精度的情况下求得较好的数值解,但若是针对这类多尺度问题的系数做一些微小的局部扰动,我们希望能够直接快速的由原问题并加载上这些扰动的影响来构造出新的多尺度问题的数值解,而不是重新再算一次。这就需要考虑到此类系数扰动后所得到的大规模稀疏性质。本文为此种思路来构造新的数值方法做了较充分的试探性准备工作,最后发现当原多尺度问题发生了系数扰动后,原问题和新问题的数值解之间确实存在着低秩性,并且这种低秩所依赖的因素也比较清楚,从而数值检验上论证了这种构造思路的有效性和高效性。在此类方法上,未来还有很多工作需要更进一步的探究。

关键词：经典有限元法多尺度有限元法 G-RPS 稀疏性

来源：评论

学校读者我要写书评

暂无评论

面向依赖性和稀疏性的多类标文本分类序列生成模型研究

面向依赖性和稀疏性的多类标文本分类序列生成模型研究

引用

作者：刘颖哈尔滨工业大学

学位级别：硕士

在互联网中,文本标签的准确性影响了检索速度,而标签的准确性取决于分类算法的性能。在实际场景中一篇文章同属于不同的标签,因此多类标文本分类的准确度决定了互联网用户的体验感。但目前已有的算法在处理多类标分类问题上存在局限性,... 详细信息

在互联网中,文本标签的准确性影响了检索速度,而标签的准确性取决于分类算法的性能。在实际场景中一篇文章同属于不同的标签,因此多类标文本分类的准确度决定了互联网用户的体验感。但目前已有的算法在处理多类标分类问题上存在局限性,因此设计高效准确的多类标分类算法具有很大的实际意义。多类标文本分类与传统的单类标文本分类任务相比存在两个难点:一是文本特征稀疏,现有模型在处理高稀疏数据准确度会降低;二在训练过程中,类标存在依赖性,以往的算法往往会忽略该特点,导致模型泛化能力弱。为此,从以上两方面展开研究:针对文本特征稀疏性,采用了word2vec模型进行建模。通过无监督的学习,利用上下文预测当前词,使得隐藏层的神经元能够学习到每个词的语义信息,从而解决原始文本特征的稀疏性问题。由于原始模型的计算复杂度大,对该算法采用了层级softmax进行加速。从模型的理论上,通过最大似然估计法,将问题转化为采用随机梯度下降法求解,并给出了每个参数梯度。最后通过对比实验,提出的模型在主要评价指标上优于其它算法,从而验证了该算法的有效性。针对类标的依赖性,采用的经典的机器翻译模型seq2seq进行建模。Seq2seq的解码过程使用长短期记忆网络(LSTM)生成类标序列,基于已经预测过的类标来生成下一个类标,有效的解决了类标之间的依赖性问题。并对原始的seq2seq模型进行了以下三点改进:一是采用了注意力机制,有效的考虑了文本中不同特征词对不同的类标预测具有不同的重要性;二是采用一个标记向量来标记解码阶段已经出现的类标,避免对类标进行重复预测;三是用卷积神经网络(CNN)对整个文本进行全局编码的信息输入到seq2seq的解码中。从理论上,对于整个模型分模块求解每个子模块中参数的梯度。在具体数值验证分析上,采用学习率自适应的Adam优化算法进行迭代求解。通过对比实验的设置,利用多个标准数据集做仿真实验,提出的CNN-seq2seq多类标分类模型在主要评价指标上优于其它传统算法。并且通过对预测结果的可视化分析,提出的CNN-seq2seq模型可以预测相关性强的类标,进一步验证了该模型可以解决类标依赖性问题。

关键词：多类标分类深度学习模型类标依赖性稀疏性

来源：评论

学校读者我要写书评

暂无评论

非负矩阵分解的稀疏性模型及初始化研究

非负矩阵分解的稀疏性模型及初始化研究

引用

作者：沈永康浙江大学

学位级别：硕士

非负矩阵分解(NMF),作为一种从高维数据中找寻低维表示的技术,在现实生活中有广泛的应用需求。由于模型非负性和分解的叠加性,NMF往往能产生数据基于部分的非负表示,从而在现实应用中具有很好的现实物理意义。由此引发了对该类问题研究... 详细信息

非负矩阵分解(NMF),作为一种从高维数据中找寻低维表示的技术,在现实生活中有广泛的应用需求。由于模型非负性和分解的叠加性,NMF往往能产生数据基于部分的非负表示,从而在现实应用中具有很好的现实物理意义。由此引发了对该类问题研究的广泛关注,发展出了一系列的算法技术。本文介绍了非负矩阵模型(NMF)的基本问题及研究现状,回顾和阐述了非负矩阵分解的各类算法的想法和实现步骤。然后本文转到一种基于图的非负矩阵分解模型(GNMF),提出了添加稀疏化正则的非负矩阵分解模型RGNMF,并推导了相应的算法公式。在实验部分,我们对RGNMF模型与GNMF模型进行了比较。RGNMF模型在稀疏性上有明显的改善。在一个聚类问题上,本文提出的模型RGNMF相比GNMF模型有更好的聚类表现。最后,本文比较了几种较好的初始化策略。发现在模糊聚类的初始化方法中,对H矩阵采用随机初始和归一化处理,比单纯地采用模糊聚类结果：UT,来初始化H,要有好的表现。实验结果也显示,在迭代步足够多时,这几类初始化方法最终效果趋于一致。

关键词：非负矩阵分解稀疏性降维

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：