检索结果-内蒙古大学图书馆

上海海事大学学报 2005年第3期26卷 64-67页

作者：黄家圣谢卫李军军孙凌燕上海海事大学物流工程学院上海200135

提出一种改进的多神经网络集成自适应boosting回归算法,算法中引入“早停规则”和“噪声扰动”。利用这种方法对电力系统日负荷预测进行相关的研究,进而采用美国加州电力市场的实际数据,构造相应的预测模型。结果表明,与传统的单网络预... 详细信息

提出一种改进的多神经网络集成自适应boosting回归算法,算法中引入“早停规则”和“噪声扰动”。利用这种方法对电力系统日负荷预测进行相关的研究,进而采用美国加州电力市场的实际数据,构造相应的预测模型。结果表明,与传统的单网络预测模型相比,boosting多网络集成预测模型能显著提高模型输出的稳定性,获得更高的预测精度。

关键词：自适应神经网络短期负荷预测 boosting算法

来源：评论

学校读者我要写书评

暂无评论

基于集成学习模式的Boost-SVM算法研究

基于集成学习模式的Boost-SVM算法研究

引用

作者：任芳武汉科技大学

学位级别：硕士

集成学习是一种新的机器学习范式,它使用多个学习器来解决同一个问题,能够显著地提高学习系统的泛化能力,因此从20世纪90年代开始,集成学习逐渐成为了机器学习领域的一个新的热点。在实际分类问题中,为了减少损失和失误的概率,往往会对... 详细信息

集成学习是一种新的机器学习范式,它使用多个学习器来解决同一个问题,能够显著地提高学习系统的泛化能力,因此从20世纪90年代开始,集成学习逐渐成为了机器学习领域的一个新的热点。在实际分类问题中,为了减少损失和失误的概率,往往会对分类方法提出更高的要求,使其达到尽可能高的分类精确率,例如,行星探测、地震波分析、Web信息过滤、生物特征识别、计算机辅助医疗诊断等一些需要精确分类的实际项目。集成学习方法目前还不能满足这样的高精度要求。基于此类现实问题的考虑,本文提出了一种新的集成学习方法,为其注入了新鲜血液,将具备强学习能力的支持向量机方法运用于集成学习模式当中,称之为Boost-SVM算法,以期得到更高的分类精确率。选用支持向量机(Support Vector Machines,简称SVM)作为分量学习机,作为基于统计学习理论发展起来的分类方法,它解决了模型选择与过学习、非线性和维数灾难问题、局部极小点等问题。 Boost-SVM算法实质上是通过重点训练容易被分类器错误分类的样本来减少错误分类率。影响学习机分类效果的正是这部分被错误分类的样本,Boost-SVM重点标记错误分类的样本权值,并且在反复迭代中多次学习该类样本,以减少被错误分类的样本个数,从而达到降低错误分类率的目的。本文在LIBSVM平台上通过改造实现了Boost-SVM算法并在UCI分类数据集上进行了验证。实验结果表明Boost-SVM可以有效地提高分类精确率,并且相对于SVM结果上有了较大的提高。该方法具有可理解性强、算法易于实现等优点,并可以用来解决多类别分类问题,在解决分类问题上颇具竞争力。

关键词：集成学习 Adaboost算法 boosting算法支持向量机(SVM)

来源：评论

学校读者我要写书评

暂无评论

用于内存计算分类器的存储阵列缩减算法的研究

用于内存计算分类器的存储阵列缩减算法的研究

引用

作者：席家祯南京理工大学

学位级别：硕士

传统基于6T SRAM的内存计算分类器在维持一定分类精度的同时降低了单次判别处理需要的能耗，但仍然需要多片或单片复用，意味着需要较多数量的存储阵列，来储存整个分类器模型参数矩阵，相对增加了系统能耗。\n 本论文基于传统内存... 详细信息

传统基于6T SRAM的内存计算分类器在维持一定分类精度的同时降低了单次判别处理需要的能耗，但仍然需要多片或单片复用，意味着需要较多数量的存储阵列，来储存整个分类器模型参数矩阵，相对增加了系统能耗。\n 本论文基于传统内存计算分类器的实现，针对线性分类模型的量化，提出一种适用于线性模型的近似量化方法，量化后对模型性能损失比较小，且相对传统求解量化模型参数的方法原理上更简单、计算更简便。\n 针对传统求解量化模型并使用boosting算法训练而得到的集成模型存储单元阵列的缩减处理，本论文首先对传统boosting训练实现的集成模型进行仿真，之后对得到的模型提出一种分两步进行列缩减处理的方案:第一步基于子任务适应性地重新进行初步的列筛选;第二步从启发式搜索的角度，分别基于最优增益原则以及弱分类器优先原则，提出两种存储阵列缩减算法，应用于第一步处理得到的模型进一步实现模型的列缩减，理论上可以进一步降低该类系统的能耗。\n 最后，通过仿真实验对模型应用上述阵列缩减算法，对缩减前后模型阵列数目及分类精度进行了对比，对阵列缩减效果和缩减对模型分类性能的影响进行了验证。

关键词：内存计算分类器存储阵列缩减处理机器学习 boosting算法

来源：评论

学校读者我要写书评

暂无评论

车辆辅助驾驶中的行人检测与跟踪研究

车辆辅助驾驶中的行人检测与跟踪研究

引用

作者：荆蕾颖西安电子科技大学

学位级别：硕士

社会的不断进步，使得机动车辆的保有量逐年增加。在复杂多变的交通环境中，行人无疑是最主要的受害者。为了确保行人的生命安全。近年来，基于计算机视觉方面的行人检测与跟踪成为了广泛研究的热点问题。同时，也由于实际交通环境的复... 详细信息

社会的不断进步，使得机动车辆的保有量逐年增加。在复杂多变的交通环境中，行人无疑是最主要的受害者。为了确保行人的生命安全。近年来，基于计算机视觉方面的行人检测与跟踪成为了广泛研究的热点问题。同时，也由于实际交通环境的复杂性，行人动作、体型、衣着的多样性以及对于检测跟踪实时性和准确性上的要求，给研究工作带来了难点和挑战。至今为止仍然没有一个兼顾通用性、实时性、准确性、鲁棒性的检测与跟踪方法。\n 本文主要对车辆辅助驾驶系统中的行人检测与跟踪进行研究，由车载的摄像头来获取视频信息，通过图像处理方面的技术确定行人的位置并对行人进行跟踪，起到提醒驾驶员，对行人进行保护的作用。\n 整个的研究系统分为四个模块：视频信息的采集、行人候选区域的分割、行人的检测与定位和行人的跟踪。第一由车载的摄像头对车辆前方的情况进行视频信息的采集，视频的采集环境选择在校园环境中；第二行人候选区域的分割，颜色信息处理起来简单方便，为了将颜色信息应用于行人检测中，考虑到行人整体颜色受服饰装扮的影响，而人头部位的颜色相对固定，由肤色和发色组成。于是提出了一种基于人头的颜色特征由发际线对人头进行检测的方法，标定可能出现人头的区域，继而通过人头与人体之间的比例关系确定出行人的候选区域。对行人进行候选区域的分割，能有效的缩短检测定位时间；第三行人的检测与定位，该模块基于统计分类的方法，采用梯度方向直方图特征对行人进行描述，然后由支持向量机分类器来对行人进行检测，并由矩形框标记出行人所在的位置；第四行人跟踪，这一模块将实现单目标的行人跟踪，跟踪机制采用在线boosting算法，将跟踪问题看做是背景与目标的分类问题，提出了将基于信息量的尺度自适应算法融合到在线boosting跟踪机制中及通过压缩感知原理对提取的Haar特征进行压缩处理后与在线boosting算法进行的特征选择相结合两种改进方法，来提高跟踪的鲁棒性。\n 本文的研究成果在于对行人检测的实时性和跟踪上的鲁棒性做出了改善。在检测前增加了基于人体比例的快速候选区域分割模块，通过对图像颜色上的处理，使用简单的运算操作即可实现前景分割，同时避免了精确定位时的全局搜索，只在可能出现行人的区域遍历，提高了检测的效率，降低了时间的开销。跟踪模块针对传统的在线boosting跟踪算法容易产生“漂移”的现象，一是引入了基于信息量的尺度自适应算法，来改善传统boosting跟踪中由于跟踪框尺度大小的固定造成的误差；二是尝试将压缩感知提取的特征与在线boosting算法选择的特征相结合，通过扩大优秀特征的选择范围来改善跟踪的鲁棒性。但是改进的算法都存在一定的局限性，针对于复杂背景、遮挡、跟踪实时性的问题仍需要进一步的探究。

关键词：辆辅助驾驶行人检测目标跟踪支持向量机 boosting算法

来源：评论

学校读者我要写书评

暂无评论

通信运营商客户流失预测及影响因素研究

通信运营商客户流失预测及影响因素研究

引用

作者：辛彤西南大学

学位级别：硕士

随着互联网技术的发展和通信行业日益饱和的现状,预先预测客户流失并挽留住客户对于通信行业的发展是关键一环。目前,我国刚刚迈入5G时代,通信行业面临着激烈的竞争、产品的同化和其他诸多问题,这些问题导致通信行业的运营商企业存在着... 详细信息

随着互联网技术的发展和通信行业日益饱和的现状,预先预测客户流失并挽留住客户对于通信行业的发展是关键一环。目前,我国刚刚迈入5G时代,通信行业面临着激烈的竞争、产品的同化和其他诸多问题,这些问题导致通信行业的运营商企业存在着严重的客户流失现象。针对这一现象,从海量的客户信息和消费数据中,预测出具有流失倾向的客户及找到影响因素,构建比较完整的流失体系,针对性地给出合理的挽留建议,为客户提供精准的服务和为企业创造更多的收益具有重要的意义。第1章介绍了通信行业某运营商的研究背景及意义。从通信行业运营商的业务收入、使用情况和用户规模出发了解该行业的发展趋势,阐述了论文的研究在新兴技术、互联网发展下对于运营商企业收益方面的意义。并对国内外学者研究客户流失的方法与机器学习的方法发展进行分析。第2章的主要内容是对某运营商的客户数据进行探索性分析。首先,对数据来源进行介绍。其次,对数据进行预处理包括缺失值的处理和变量的变换。最后,对数据进行可视化,查看数据的基本信息特征。第3章利用箱线图法、Spearman相关系数法、假设检验法、基于决策树ID3算法和基于SVM-L1算法筛选了16个重要的自变量,有套餐月资费、电话号码等级、4g非在线计费、4g在线计费、有合约期、无合约期、在网的月数、计费时长、主叫计费时长、上网流量、3G电视费、费用2、上网费、应收费、合约期时长和赠送话费这些变量。第4章利用boosting算法和生存分析方法建立客户流失预测模型。首先,建立AdaBoost、GBDT、XGBoost、LightBGM、CatBoost客户流失预测模型,选出预测效果最好的CatBoost模型为最优预测模型。其次,为了了解客户流失时间和影响的风险因素,建立生存分析模型。用K-M法画出离散变量的累积生存函数图,直观展示这几个离散型变量对客户生存率的影响。对所有的变量建立Cox比例风险回归模型,分析了影响客户流失的风险因素,有套餐资费、部分电信类型、应收费用和赠送话费。当客户在多种因素影响下,发现客户在使用超过200个月时,生存概率保持0.4左右,达到最低点。最后,基于生存分析模型对CatBoost算法进行改进,将生存分析算法中预测的生存概率代入样本中,用CatBoost进行预测,其准确率、召回率、精确率、F1得分均在0.96左右,提升的预测效果与CatBoost模型相比不是很显著,但其改进后的模型可以提供影响客户流失的风险因素和客户的生存概率,有利于更加详细地了解客户流失的时间和原因。第5章利用系统聚类法对预测流失的客户的变量进行聚类,发现影响客户流失的因素有上网流量、在网时间、应收费用和其他综合因素。结合之前的研究分析,对运营商企业给出相应的挽留客户的建议,帮助企业更好的发展。第6章给出论文研究的结论及展望。首先总结了全文,给出论文的结论。其次对研究中存在的数据收集、算法改进和客户价值挖掘的三个不足的方面进行说明,对未来工作进行展望。

关键词：客户流失机器学习 boosting算法生存分析

来源：评论

学校读者我要写书评

暂无评论

基于改进的N-gram恶意PDF文档静态检测技术研究

基于改进的N-gram恶意PDF文档静态检测技术研究

引用

作者：徐建平东华理工大学

学位级别：硕士

随着信息技术的发展和办公自动化的普及,PDF文档逐渐成为人们工作和学习上必不可少的首选应用文本软件。尽管PDF文档带来诸多便利,使用过程中渐渐出现很多安全问题。攻击者利用PDF文档格式漏洞嵌入恶意JavaScript代码进行攻击,获取特定... 详细信息

随着信息技术的发展和办公自动化的普及,PDF文档逐渐成为人们工作和学习上必不可少的首选应用文本软件。尽管PDF文档带来诸多便利,使用过程中渐渐出现很多安全问题。攻击者利用PDF文档格式漏洞嵌入恶意JavaScript代码进行攻击,获取特定目标的私密信息,给特定目标造成无法估计的损失。因此检测和防范嵌入恶意JavaScript代码的PDF文档逐渐成为信息安全领域国内外研究学者研究的重要目标。本文对PDF文档进行分析,主要介绍PDF文档的物理结构与逻辑结构、PDF文档的攻击技术及恶意PDF文档的传播途径。深入分析现有基于N-gram的恶意PDF文档静态检测模型,存在两点不足:第一,忽略了PDF文档中隐藏信息对提取的JavaScript代码完整程度的影响以及对提取出来的JavaScript代码预处理不足;第二,N-gram特征提取方法只能提取到固定长度的N-gram特征,导致有效特征被分隔开。论文针对上述问题提出了一种改进的N-gram恶意PDF文档静态检测模型,设计一个PDF文档预处理流程,包括解密处理、解码处理、JavaScript定位与提取和JavaScript去混淆处理,确保提取的JavaScript代码完整及有效;在现有N-gram特征提取方法基础上进行改进,确保提取到更有效的N-gram特征向量。为了验证改进的N-gram特征提取方法的有效性,使用改进前后的N-gram特征提取方法进行特征提取,将提取到的特征向量作为数据输入部分,使用多种检测算法进行训练与测试得到检测结果,同时将检测算法结合boosting算法进行训练与测试得到检测结果。通过检测结果,验证了本文提出的改进的N-gram特征提取方法对恶意PDF文档检测有效,并且比对改进前的N-gram特征提取方法,取得更优的检测效果,同时结合boosting算法可以提升检测模型的检测性能,与DPScan模型、PJScan模型相比较检测性能更好。

关键词： PDF文档 Java Script代码 N-gram特征提取 boosting算法

来源：评论

学校读者我要写书评

暂无评论

基于大数据的新能源汽车故障诊断技术研究

基于大数据的新能源汽车故障诊断技术研究

引用

作者：蓝嘉美长春师范大学

学位级别：硕士

随着全球能源与环境问题的加剧,减少碳排放已成为必要而迫切的措施.出于可持续发展的目的,新能源汽车产业发展迅猛.动力电池作为新能源汽车的主要动力源和主要的故障原因之一,其非线性等特性使得故障诊断更加困难.传统电池故障诊断方法... 详细信息

随着全球能源与环境问题的加剧,减少碳排放已成为必要而迫切的措施.出于可持续发展的目的,新能源汽车产业发展迅猛.动力电池作为新能源汽车的主要动力源和主要的故障原因之一,其非线性等特性使得故障诊断更加困难.传统电池故障诊断方法效率低,无法实现故障预警.因此,提高新能源汽车的故障诊断效率和准确性有现实的需求,也成为目前的研究热点.本文利用可视化技术构建新能源电池故障知识图谱,并运用改进的boosting算法建立新能源电池故障诊断模型,实现对动力电池故障的快速准确诊断.具体工作如下:首先,基于布尔检索模型、社会网络分析模型和数据可视化技术,梳理了动力电池故障诊断的知识网络.文献计量学分析结果揭示了新能源电池故障诊断领域的研究方向、热点和主要贡献者,为该领域的研究者和从业者提供了重要的参考和指导.结果表明,当前研究方向主要集中在电池材料、故障诊断模型和故障机理.热失控是动力电池中一种具有破坏性的热现象,其触发因素多种多样,包括但不限于高温、电池短路、电池过充放电等,因此在动力电池安全领域引起了广泛的研究和探讨.针对电池故障,数学模型是检测电池故障的常用方法.接着,利用实车数据,采用随机森林算法对电池系统的电压、电流和电荷量等特征进行了重要度分析,并研究了这些特征之间的相关性.在此基础上,建立了基于轻量级梯度提升机(Light GBM)、分类梯度提升(CatBoost)和极端梯度提升(XGBoost)三种检测模型.通过AUC、准确率、精度、F1分数等模型评价指标进行比较分析,结果显示,Light GBM具有运算速度更快、故障误报率低和分类精度高达99%的优点,解决了电池异常检测效率低、准确率不高等问题,实现了新能源汽车动力电池故障的快速定位和分析,具有较高的应用价值.

关键词：动力电池故障诊断文献计量学 boosting算法大数据

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的网络安全态势评估模型研究

基于集成学习的网络安全态势评估模型研究

引用

作者：王宇飞华北电力大学

学位级别：硕士

互联网已广泛应用到当今社会的各个领域,成为支撑社会正常运转的重要基础设施之一。随着互联网规模的快速发展,网络安全形势日益严峻,每时每刻都有新种类的网络攻击和网络威胁产生,但目前的网络安全设备无论从功能上还是技术上都难以满... 详细信息

互联网已广泛应用到当今社会的各个领域,成为支撑社会正常运转的重要基础设施之一。随着互联网规模的快速发展,网络安全形势日益严峻,每时每刻都有新种类的网络攻击和网络威胁产生,但目前的网络安全设备无论从功能上还是技术上都难以满足当前日益增长的安全需求,亟需新的技术方法来全面剖析并展示网络安全状况。论文采用网络安全态势(Network Security Situation, NSS)来描述目标网络在不同运行时期的安全状态,对网络安全态势评估(Network Security Situation Evaluation, NSSE)展开了深入的研究。NSSE一方面包括目标网络的实时安全态势分析,即网络安全态势感知(Network Security Situation Awareness, NSSA),另一方面包括目标网络的未来安全态势预警,即网络安全态势预测(Network Security Situation Forecast, NSSF),目前这两部分内容的研究还处于相互独立的状态,缺乏对其数学机理的深刻理解。论文首先从本质上深入剖析NSSA和NSSF的异同点,进而结合两者在工作原理上的相似性,利用人工智能理论提出基于集成学习boosting算法的一体化NSSE模型,实现了对目标网络当前及未来安全态势的全方位评估,主要研究内容如下： 1.通过分析NSSA和NSSF的物理工作过程,抽象出两者数学本质,发现两者异同点,提出了基于函数拟合理论的NSSA和NSSF统一解决方案,为一体化NSSE模型设计建立理论基础。 2.采用层次分析法(Analytic Hierarchy Process, AHP)构建NSSE指标体系。该体系以NSSA结果做为输入量,输出网络安全态势值(Network Security Situation Value, NSSV),并以NSSV做为NSSF的输入量,从而在物理工作流程上将NSSA和NSSF统一起来。 3.提出了基于boosting算法的NSSE模型,用于函数拟合运算,在满足NSSE功能要求基础上,实现了NSSA和NSSF的一体化。 4.采用KDD Cup99和Honey Net等国内外知名数据集验证了基于boosting算法的NSSE模型的有效性,着重评估了NSSA的漏报率和误报率,以及NSSF的准确率,得到了良好的实验结果。

关键词：网络安全态势评估网络安全态势感知网络安全态势评估指标体系网络安全态势预测集成学习 boosting算法

来源：评论

学校读者我要写书评

暂无评论

基于多模态传感信息融合的管道缺陷检测研究

基于多模态传感信息融合的管道缺陷检测研究

引用

作者：徐和武电子科技大学

学位级别：硕士

管道是国家基础设施网络的重要组成部分,但因管道维护不力导致管道泄漏的事故时有发生。因此,对管道定期进行检测具有必要性。管道内检测是指检测器搭载存储设备,在管道内部行进和检测,直到检测完毕后统一处理分析存储数据。管道内部结... 详细信息

管道是国家基础设施网络的重要组成部分,但因管道维护不力导致管道泄漏的事故时有发生。因此,对管道定期进行检测具有必要性。管道内检测是指检测器搭载存储设备,在管道内部行进和检测,直到检测完毕后统一处理分析存储数据。管道内部结构多变,检测器运行会产生抖动和提离改变等问题,导致采集信号中含有大量噪声和干扰信号,传统信号处理算法难以有效检出缺陷信号。另一方面,在检出缺陷后,传统缺陷定位方法如里程轮等存在精度低等问题,导致检出缺陷在真实管道中对应困难。本文以管道缺陷检测和定位为研究目标,采用内检测器进行数据采集,对得到的多模态传感信号进行融合,重点研究了复杂信号中缺陷信号识别和定位问题,主要研究内容如下:1.针对采集信号中信号组成复杂,干扰缺陷识别的问题,设计了Feature boosting缺陷检测框架。该框架可以实现对采集信号中不同信号分层识别并提取,从而避免不同信号间的干扰。同时,该框架可以根据不同检测需求灵活改变结构和输出结果,提高了算法模型的灵活性和可拓展性。2.针对采集信号中噪声干扰大,影响缺陷识别精确度的问题,设计了一种时序序列特征映射模块。该模块综合考虑时序序列的总体特征和局部特征,并将其统一映射到极坐标系,通过极径和极角的大小可以区分出时序序列中的异常点。添加该模块映射后特征的异常检测算法性能得到了显著提高,对误检现象抑制明显。3.针对传统管道内缺陷定位方法定位效果不佳问题,通过对多模态传感信号进行融合,设计了一种两阶段定位策略。考虑到管道是人造系统,第一步利用设计图结合定位点实现缺陷位置的初步定位,第二步再通过其他传感器信息实现定位点间具体位置的精确还原。该方法提高了缺陷定位的精确度且在实际中得到了检验。本文在三种不同环境下进行了大量实验和验证,在三种环境里的缺陷检测和定位效果均优于目前的典型算法。

关键词：管道内检测缺陷检测及定位多模态传感信息融合 boosting算法

来源：评论

学校读者我要写书评

暂无评论

车牌识别系统中字符识别技术的研究

车牌识别系统中字符识别技术的研究

引用

作者：刘伟中国民用航空学院

学位级别：硕士

智能交通系统ITS(IntelligentTransportationSystem)运用计算机等高新技术改造传统交通运输系统，从而达到增强系统运行效率，减少能源消耗等方面的目的，它对未来世界交通系统的发展有着深刻的影响。车辆牌照识别LPR(LicensePlateRecog... 详细信息

智能交通系统ITS(IntelligentTransportationSystem)运用计算机等高新技术改造传统交通运输系统，从而达到增强系统运行效率，减少能源消耗等方面的目的，它对未来世界交通系统的发展有着深刻的影响。车辆牌照识别LPR(LicensePlateRecognition)技术是ITS的核心技术之一，它主要包括车牌定位、字符分割和字符识别三部分，其中字符识别是该系统的关键技术。\n 相对国外汽车牌照而言，我国的车牌包含了汉字、数字和英文字母三种字符，特别是汉字比数字和英文字母结构都要复杂，更增加了LPR系统字符识别的难度。针对这种多种类字符识别问题，本文提出了综合使用数字形态学、BP算法和boosting算法的字符识别算法。在字符识别以前，首先使用数字形态学进行字符图像预处理，以减少噪声干扰和规范字符图像，并用神经网络中的BP算法设计数字和英文字母的识别分类器，在汉字识别中，结合boosting算法和BP算法两种算法的优点设计了汉字识别分类器。通过对大量实际采集的车牌图像进行识别，数字和英文字母的平均识别率为93％，汉字的平均识别率为91％，结果表明本文的算法在车牌字符识别尤其是汉字识别方面有较高的识别率。

关键词：车牌识别系统字符识别神经网络 boosting算法智能交通系统图像预处理

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：