检索结果-内蒙古大学图书馆

第十七届全国电波传播年会

作者：李佳敏魏仪文郭立新高孟言西安电子科技大学

地杂波对雷达扫描过程中识别目标的准确度具有重要影响,研究地杂波特性有很必要的军事意义.本文将数字高程数据和30m全球地表覆盖数据进行结合,进行真实地物场景的建模.给出了不同杂波幅度分布模型的公式以及参数估计方法,并首次将信息... 详细信息

地杂波对雷达扫描过程中识别目标的准确度具有重要影响,研究地杂波特性有很必要的军事意义.本文将数字高程数据和30m全球地表覆盖数据进行结合,进行真实地物场景的建模.给出了不同杂波幅度分布模型的公式以及参数估计方法,并首次将信息论中的js散度概念引入杂波幅度分布中,判定不同模型的拟合优度.在本文中,对不同条件下的杂波幅度分布特性展开研究,包括擦地角、极化方式、地形的起伏情况和介电常数,给出不同条件下的最佳分布拟合结果.

关键词：地杂波真实场景幅度分布模型 js散度拟合优度检验

来源：评论

学校读者我要写书评

暂无评论

基于代理模型和频响函数特征量的有限元模型修正方法研究

基于代理模型和频响函数特征量的有限元模型修正方法研究

引用

作者：盛腾威兰州交通大学

学位级别：硕士

目前的有限元模型修正方法大多以模态参数为修正目标,但这类方法依赖于模态识别精度,而基于频响函数的模型修正方法则无需进行模态分析,且频响函数包含更多信息,但考虑到直接利用频响函数进行模型修正时需要对其频率点进行筛选,因此本... 详细信息

目前的有限元模型修正方法大多以模态参数为修正目标,但这类方法依赖于模态识别精度,而基于频响函数的模型修正方法则无需进行模态分析,且频响函数包含更多信息,但考虑到直接利用频响函数进行模型修正时需要对其频率点进行筛选,因此本文选择对频响函数进行常数Q变换提取第一层系数作为响应特征量。此外在模型修正过程中,通过构造代理模型替代有限元模型进行模型修正,可以大幅提高模型修正的计算效率,对求解复杂结构优化问题具有重要意义。同时,由于存在测量误差、环境噪声和模型简化等不确定性因素,导致试验得到的数据误差较大。基于上述背景,本文分别对确定性和随机模型修正进行了研究,具体研究内容如下:研究了基于高斯过程模型(Gaussian Process,GP)和频响函数的模型修正方法。采用拉丁超立方抽样抽取待修正参数样本集作为模型输入,计算其频响函数并进行常数Q变换提取第一层系数作为模型输出,通过海蜇算法(Jellyfish Search Algorithm,js)优化高斯过程模型参数,构建js-GP模型;最后以试验模型响应和js-GP模型预测响应之间的差值最小为目标函数,利用海蜇算法实现结构参数的修正。空间桁架数值算例和简支梁试验算例表明,本文方法能够有效地修正结构参数,取得了良好修正效果。研究了基于js-BP模型和js散度(Jensen–Shannon divergence)的随机模型修正方法。首先,假设待修正参数和频响函数特征量都服从正态分布,将不确定性模型修正问题转化为均值和标准差的修正问题;然后采用拉丁超立方抽样选取待修正参数样本集作为模型输入,并计算其对应的频响函数进行常数Q变换提取第一层系数作为模型输出,通过海蜇算法(js)优化BP神经网络的权值和阈值,构建js-BP神经网络模型;最后以最小化js散度作为目标函数,实现对待修正参数的均值和标准差的同步修正。空间桁架算例表明,所提方法能够有效地修正结构参数的均值和标准差,并且在试验数据标准差不同时仍能得到较好的修正效果。

关键词：模型修正频响函数常数Q变换代理模型 js散度

来源：评论

学校读者我要写书评

暂无评论

基于js散度的结构损伤诊断方法研究

基于JS散度的结构损伤诊断方法研究

引用

作者：郭爽哈尔滨工业大学

学位级别：硕士

基于振动的损伤检测方法是在不影响结构正常工作情况下,可实现对结构的长期或在线监测的一种结构损伤检测方法。环境激励的结构响应是一个随机过程,当结构出现损伤时,结构响应随之改变。js散度(Jensen–Shannon Divergence,jsD)可以用... 详细信息

基于振动的损伤检测方法是在不影响结构正常工作情况下,可实现对结构的长期或在线监测的一种结构损伤检测方法。环境激励的结构响应是一个随机过程,当结构出现损伤时,结构响应随之改变。js散度(Jensen–Shannon Divergence,jsD)可以用于度量随机变量概率分布之间的差异。本文在时域响应的结构损伤特征量的基础上,结合非线性时间序列分析的相关方法,提出了一种基于振动的结构损伤诊断方法,以js散度作为结构损伤识别指标,主要研究内容包括:研究单变量时间序列的相空间重构,主要分析延迟时间间隔的确定和最佳嵌入维数的选取方法,参数选取采用了损伤领域应用较好的自相关函数法、改进的伪邻近点法。分析奇异值分解降噪方法的基本原理,详细研究了该算法的实现过程,通过简支梁模型分析验证了该方法对噪声的有效抑制作用,得出结论:经奇降噪处理后,对于受到噪声影响的奇异谱,完全可以反映动力系统的真实特征。分析了互熵的概念以及奇异谱互熵的损伤诊断方法,通过信息熵概念推导出js散度公式,研究js散度应用到结构损伤诊断中,作为判断工程结构状况的一个新指标的实现过程。以美国土木工程协会(ASCE)损伤检测标准模型为基准,通过两种不同的方法,采用不同程度损伤的加速度响应进行相空间重构,获取含有与原系统等价的特征矩阵,将得到的矩阵进行奇异值分解,建立以奇异值为基础的js散度,验证了js散度作为损伤诊断指标的可行性;比较了奇异谱互熵与js散度两项评价结构状况的指标的优劣性,结果表明js散度的稳定性明显强于奇异谱互熵。js散度可以作为一项很好的检测结构状况的指标。

关键词：结构损伤诊断相空间重构奇异谱 js散度

来源：评论

学校读者我要写书评

暂无评论

基于癌症差异可变剪接基因的预测与分析

基于癌症差异可变剪接基因的预测与分析

引用

作者：王兵温州大学

学位级别：硕士

可变剪接是一种广泛存在于生物体中造成蛋白质多样性的重要机制,它对细胞的增殖、分化、发育、凋亡等一系列重要的生物过程的精细调控具有非常重要的作用。近年来,人们发现可变剪接与多种复杂疾病的发生、发展存在密切的联系,包括肿瘤... 详细信息

可变剪接是一种广泛存在于生物体中造成蛋白质多样性的重要机制,它对细胞的增殖、分化、发育、凋亡等一系列重要的生物过程的精细调控具有非常重要的作用。近年来,人们发现可变剪接与多种复杂疾病的发生、发展存在密切的联系,包括肿瘤在内的多种疾病的产生往往伴随着可变剪接的紊乱发生。现有的癌症分析主要是基于单个基因或单个剪接异构体出发,缺少考虑由于可变剪接紊乱造成剪接异构体在整体分布上的差异。考虑现有方法的不足,首先本文提出了一种基于中值的js散度可变剪接差异分析方法。基本思想是通过癌症和正常样本的表达中值构建基因异构体的代表表达向量,然后根据代表向量中各异构体的百分比计算二种状态的js散度。接着本文提出了基于js散度的乳腺癌亚型预测方法,主要使用js散度来找寻亚型之间的可变剪接差异较大的基因,并构建BP神经网络模型对乳腺癌亚型进行分类。结果表明,本文的方法能够发现大量在剪接异构体整体分布上具有显著差异的基因。这些基因不仅富集在一些癌症密切相关的通路,而且也富集在一些基于可变剪接调控的信号通路、细胞分裂过程和蛋白质功能等通路。与基因层次的差异分析相比,可变剪接显著差异的基因在生存分析方面也具有更好的性能。在乳腺癌亚型分类方面也有较好的识别结果,其F1值达到0.89,且能为患者提供个性化乳腺癌亚型药物推荐。总之,本文方法通过构建基因异构体的代表表达向量,解决了非配对样本的计算问题,发现了癌症剪接异构体在整体分布上特有差异基因,为进一步揭示可变剪接在癌症中的机制奠定基础。

关键词：可变剪接癌症 js散度 BP神经网络亚型分类

来源：评论

学校读者我要写书评

暂无评论

基于JRNB算法的入侵检测方法

基于JRNB算法的入侵检测方法

引用

作者：李建鹏河南理工大学

学位级别：硕士

伴随着移动互联网的快速发展,网络普及程度越来越高,对人们生活带来了巨大的影响,大到全球的政治、经济环境,小到个人的工作生活都在改变。人们在享受网络所带来便利的同时,随之而来的网络安全事件也越发频繁,如黑客的恶意攻击、木马病... 详细信息

伴随着移动互联网的快速发展,网络普及程度越来越高,对人们生活带来了巨大的影响,大到全球的政治、经济环境,小到个人的工作生活都在改变。人们在享受网络所带来便利的同时,随之而来的网络安全事件也越发频繁,如黑客的恶意攻击、木马病毒的入侵,这些潜藏的网络安全隐患可能会导致信息泄露、财产损失,严重时会危害到国家安全。因此,网络与信息安全越来越受到人们的重视。入侵检测是一种针对网络中可能出现的危害行为进行主动防御的技术,作为信息安全的一个重要保障,它可以有效地检测出可能出现的攻击行为,这样就能采取相应的保障措施以免对网络造成重大危害。本文结合当前入侵检测研究现状,并基于前人的研究成果,针对尚存问题提出了一种基于特征加权改进朴素贝叶斯算法的入侵检测方法,该方法是对入侵检测技术的一种扩展。本文的主要工作和创新如下:(1)通过分析传统朴素贝叶斯(NB)算法所存在的问题,引入js(Jensen-Shannon)散度和反类别频率(RCF)来衡量每个特征项的权重,以此弥补NB算法中对所有特征项同等分析的不足,从而减小条件独立性假设所带来的影响。(2)为了减少冗余属性、提高属性间独立性,利用奇异值分解(SVD)和主成分分析(PCA)的方法对训练样本数据降维并构造全新的属性集,之后在优化处理后的数据集上再构建改进的朴素贝叶斯分类器,以达到提升分类准确率的目的。(3)在入侵检测中利用上述相关数据处理方法和基于js散度和反类别频率的加权朴素贝叶斯(JRNB)算法来改善检测效果。最后,采用NSL-KDD数据集来进行仿真实验,该数据集是对KDDCUP’99数据集优化后的版本,使得实验评估更加有效。通过实验结果数据分析验证了本文所提出JRNB算法在入侵检测中的有效性,与其它同类算法对比,也展现出了一定的优势。

关键词：入侵检测朴素贝叶斯主成分分析 js散度反类别频率

来源：评论

学校读者我要写书评

暂无评论

单输入多输出下NOFRFs-js指标检测变速箱箱体损伤研究

单输入多输出下NOFRFs-JS指标检测变速箱箱体损伤研究

引用

作者：郭思远广西大学

学位级别：硕士

变速箱箱体作为汽车的重要组件,影响着汽车整体性能的好坏,所以对箱体进行损伤检测是验证产品质量关键的一步。旧箱体的损伤检测和辨识是再制造工程的研究热点。针对目前再制造工程损伤检测方法存在的局限性,提出一种基于由Volterra级... 详细信息

变速箱箱体作为汽车的重要组件,影响着汽车整体性能的好坏,所以对箱体进行损伤检测是验证产品质量关键的一步。旧箱体的损伤检测和辨识是再制造工程的研究热点。针对目前再制造工程损伤检测方法存在的局限性,提出一种基于由Volterra级数理论的非线性输出频率响应函数(NOFRFs)的损伤的检测方法,对变速箱箱体的损伤程度及损伤的区域可以进行可视性表达。本文分别推导单输入单输出(SISO)系统与单输入多输出(SIMO)系统在锤击激励下NOFRFs的估计式,结合了js散度(Jensen-Shannon)的概念,度量两个概率分布的相似度,就此提出基于NOFRFs的js散度疲劳损伤指标Njs的概念,并给出了Njs相应的计算公式,采用了Simulink仿真系统对一维十自由度弹簧质量块振动系统进行模拟,对所提出的Njs非线性损伤检测方法进行数值仿真验证,验证所提出的方法的可行性。具体过程为:通过在振荡系统中添加非线性元件来模拟零件在实际服役过程中的损伤,通过改变系统中元件的非线性强度来模拟实际中不同的损伤程度变化。仿真结果显示,通过直接观察得到的NOFRFs波形图就可以判断系统的非线性。进一步,用NOFRFs构建的损伤指标Fe,结合js散度构建的损伤指标Njs对NOFRFs的辨识结果进行分析,分析结果表明,由NOFRFs构建的损伤指标Fe可以很好的区分系统的非线性强度,而Njs指标可以更好地表征系统非线性程度的大小,损伤程度越大的系统,其Njs值越大。相同激励的条件下,不同响应点的Njs数值都不相同,可以根据不同位置的指标数值对系统的非线性进行评估。为了使箱体达到自由边界条件,为箱体设计柔性支撑系统。对再制造公司提供的三个新旧变速箱箱体用丹麦B&K公司PULSE Labshop系统进行单输入多输出的锤击试验,并且使用不同的材质的锤头进行锤击,比较锤头材质对锤击实验得出数据的影响。对指标值相对明显的损伤区域进行检测并结合Njs值进行插值拟合,对箱体的损伤区域进行初步的评估。最后,对箱体进行ANSYS建模仿真。设置不同响应点和瞬态力受力点,对比一组高度不同的裂纹,研究裂纹高度对损伤程度的影响。再对三个高度不同的位置的裂纹进行试验,得出每个响应点的位加速度数值并结合Njs指标评估箱体损伤,推测出箱体损伤最严重的的大致位置,对箱体损伤进一步的评估,完成箱体最易损伤位置的可视性表达。

关键词： Volterra级数非线性输出频率响应函数 js散度

来源：评论

学校读者我要写书评

暂无评论

网络流概念漂移检测及分类方法研究

网络流概念漂移检测及分类方法研究

引用

作者：钱德鑫东南大学

学位级别：硕士

网络流特征分布会随着网络环境的变化而动态变化,产生概念漂移问题,造成基于流特征的机器学习网络流分类模型准确率下降。依据固定周期更新分类模型不但耗时且浪费大量资源,因此及时准确地检测到概念漂移从而更新分类模型至关重要。当... 详细信息

网络流特征分布会随着网络环境的变化而动态变化,产生概念漂移问题,造成基于流特征的机器学习网络流分类模型准确率下降。依据固定周期更新分类模型不但耗时且浪费大量资源,因此及时准确地检测到概念漂移从而更新分类模型至关重要。当前主要通过分类准确率下降来检测概念漂移,然而统计分类准确率需要标记样本,花费许多时间和资源。检测到概念漂移时,若仅在检测到的漂移样本上重新训练分类模型会遗失之前的知识;若把所有时期的流量样本结合起来共同训练分类模型则会对模型的性能造成较大的影响。因此,如何有效地检测概念漂移并建立合理有效的网络流量分类模型具有重要的意义。针对以上问题,本文引入信息论和增量集成学习思想,提出了一种新的网络流概念漂移检测及分类方法,主要包括以下几点研究内容:(1)提出了基于js散度的网络流概念漂移检测方法。该方法主动对网络流量中概念漂移进行检测,采用双层滑动窗口的方式跟踪概念漂移,根据流量特征分布的js散度,记为jsD(Jensen-Shannon Divergence)来度量滑动窗口内数据分布的差异,从而对网络流中的漂移现象进行检测。该方法在检测漂移时无需使用样本的标签,实验结果表明,本文提出的基于js散度的漂移检测方法可以准确地检测到网络流中的概念漂移,具有较低的误报率和漏报率。(2)提出了基于增量集成学习的网络流概念漂移分类方法。该方法引入集成学习的思想,首先训练若干个基分类器,依据各个基分类器的分类准确率赋予其对应权重,构建出加权集成流量分类模型,加权集成各个基分类器对待检测样本进行分类。使用本文提出的基于散度的漂移检测方法进行持续的漂移检测,当检测到概念漂移时,在漂移样本上重新训练新的分类器,然后根据分类器权值排序,保存性能较好的分类器并去除性能较差的分类器。该方法在概念漂移处采用权值比较的方式进行分类模型的更新,既保留了历史知识,又无需将所有时期的样本结合。实验结果表明,本文提出的基于增量集成学习的概念漂移分类方法拥有较好的分类性能。(3)基于以上方法设计并实现了能够展示网络流概念漂移检测及分类方法各项性能的原型系统。设计了原型系统的整体框架,从加权集成分类器构建、网络流概念漂移检测、分类器增量更新、用户界面展示等方面描述了原型系统的设计与实现。系统提供人性化的操作界面,使用者可以配置集成分类器各项参数、概念漂移检测各项参数等,同时还能将漂移检测结果、流量分类结果等存储成指定文件,用于后续分析,系统有着较强的实用性。

关键词：概念漂移机器学习 js散度增量集成学习流量分类

来源：评论

学校读者我要写书评

暂无评论

STC隐写框架下的高隐蔽性音频隐写方案研究

STC隐写框架下的高隐蔽性音频隐写方案研究

引用

作者：张雪垣宁波大学

学位级别：硕士

隐写技术作为信息隐藏的重要手段,可以将信息隐藏在各种多媒体载体上,从而保证信息的隐蔽性和安全性。多媒体社交平台的发展,使大量数字音乐、语音成为了隐写的理想载体。然而目前的音频隐写在理论、技术、应用等方面存在诸多挑战,如何... 详细信息

隐写技术作为信息隐藏的重要手段,可以将信息隐藏在各种多媒体载体上,从而保证信息的隐蔽性和安全性。多媒体社交平台的发展,使大量数字音乐、语音成为了隐写的理想载体。然而目前的音频隐写在理论、技术、应用等方面存在诸多挑战,如何在大隐写容量下提升密信隐蔽性,是其中最为关键的核心问题。本学位论文在保证大隐写容量的条件下,对STC(Syndrome-Trellis Codes)隐写框架进行了隐蔽性的提高和优化。主要开展了以下四方面的研究:搭建综合音频样本库、改进STC隐写算法、强化复杂载体选择、优化隐写痕迹。期望研究成果能为音频隐写和信息安全提供新的思路和帮助。本学位论文的研究内容包括:1、对STC隐写框架及应用进行详尽综述。根据对国内外的研究脉络,详细总结了STC隐写框架的基本研究思路,深入分析了当前自适应隐写算法中的原理、特点和存在的若干问题。结合本文的研究内容,确定了评价隐写算法性能的各项指标,搭建了适合本文隐写方案的三个不同类型的音频样本库,用于提出方案的性能测试和效果验证。2、通过优化STC隐写算法,建立分段STC(Segment-STC,S-STC)模型,使其在相同密信嵌入量下失真的元素更少。由于隐写算法的好坏直接决定了失真元素的多少,算法越好则失真越少;因此本文根据最佳子校验矩阵所具备的四种矩阵特征,提出了筛选最佳子校验矩阵的四个通用规则。基于该规则,进一步设计了分段STC算法,利用分段优化的思路,有效减少了失真元素数量。实验结果表明,在相同密信嵌入量下,S-STC产生的失真元素数量比STC更少,失真个数优化率最高可达20%。3、建立合适的音频复杂度指标,进而设计新的失真代价函数,实现自适应的复杂载体选择。研究表明,隐写载体越复杂时,整体失真代价越小。因此本文建立了音频复杂度指标,设计自适应卷积核取得原始音频与卷积音频的残差,然后按帧计算音频的复杂度。结合该复杂度,进一步设计了适用于多LSB(Least Significant Bit)级别的失真代价函数,精确计算和控制了整体的失真代价。实验结果表明,该复杂度指标可以有效选择不同类型音频的复杂区域;提出的失真代价函数在大隐写容量下,可以更好地平衡音频感知质量和密信不可检测性。4、研究音频载体的隐写痕迹,设计隐写痕迹优化的后处理模型,进而提出高隐蔽性音频隐写方案。研究表明,隐写痕迹越少则密信的隐蔽性越好。因此本文提出了基于js(Jensen-Shannon)散度的隐写痕迹优化模型。在不影响密信提取的情况下,优化了音频载体的隐写痕迹,使隐写载体更接近原始载体的分布;并利用信噪比阈值控制了修改的位置,自适应地控制了扰动的位置。实验结果表明,本文提出的后处理模型相比于一般后处理模型,不可检测性的优化效果可达其2倍。最后,结合之前隐写算法、载体选择的研究成果,提出了整合的高隐蔽性音频隐写方案,提升了大容量下的密信隐蔽性。实验结果表明,在不同类型的样本库上,密信的不可检测性抗传统隐写分析方案提高了4%～21%;抗神经网络隐写分析方案提高了10%～20%;随着隐写容量的扩大,优化效果也在提高。

关键词：高隐蔽性分段STC框架音频复杂度 js散度隐写痕迹优化

来源：评论

学校读者我要写书评

暂无评论

基于卡方统计量的文本分类方法改进研究

基于卡方统计量的文本分类方法改进研究

引用

作者：刘晴西安财经大学

学位级别：硕士

随着计算机的广泛使用以及互联网的迅速普及与发展,人们可获取的信息量与信息种类也随之增多,并且大多以文本形式存在,如何快速、准确获取自己所需信息则成为目前研究的热点问题之一。本文的工作重点从文本分类的特征选择出发,对文本分... 详细信息

随着计算机的广泛使用以及互联网的迅速普及与发展,人们可获取的信息量与信息种类也随之增多,并且大多以文本形式存在,如何快速、准确获取自己所需信息则成为目前研究的热点问题之一。本文的工作重点从文本分类的特征选择出发,对文本分类技术进行更加深入的分析与探讨。首先,基于文本分类的整个过程,对其基本理论进行简介,主要从六个方面进行说明,包括有数据采集、文本的预处理、模型表示、特征选择、特征加权以及分类器评估等。其次,以文本分类中的特征选择为重点研究对象,对文本分类中常用的特征选择方法进行介绍,并且分析其优缺点。本文使用的特征选择方法为卡方统计,通过对卡方统计的研究发现该方法的不足之处,本文从两个方面进行改进。第一种是基于概率分布距离对卡方统计进行改进,针对卡方统计忽略包含特征项的文本在不同类别的权重问题,引入js散度。第二种是对基于特征分布对卡方统计进行改进,由于第一种改进方法的重心在于类别内包含特征项的文本在不同类别间的频数与比例,并未考虑特征分布问题,因此,第二种方法针对卡方统计与js散度所忽略的问题进行改进,具体为:(1)特征词在类别间出现次数的统计,本文引入了词频修正系数;(2)特征在类别内部分布状况,引入了文本频率;(3)类间信息利用不充分的问题,引入了类间频率。并且将第一种改进方法与第二种改进方法综合使用,进行实验。最后,为验证本文提出的卡方统计改进方法的可行性与有效性,使用李陆荣教授整理的复旦大学中文语料集作为数据集,应用贝叶斯分类器进行实验,采用准确率、召回率与F值等指标进行评估与对比。实验结果表明,使用本文改进后的卡方统计算法的降维效果优于传统的卡方统计算法,且文本分类的精度有所提高。

关键词：文本分类卡方统计 js散度特征分布

来源：评论

学校读者我要写书评

暂无评论

基于改进特征加权的朴素贝叶斯分类算法

引用

计算机应用研究 2019年第12期36卷 3597-3600,3627页

作者：丁月汪学明贵州大学计算机科学与技术学院

传统朴素贝叶分类算法没有根据特征项的不同对其重要程度进行划分,使得分类结果不准确。针对这一问题,引入Jensen-Shannon(js)散度,用js散度来表示特征项所能提供的信息量,并针对js散度存在的不足,从类别内与类别间的词频、文本频以及... 详细信息

传统朴素贝叶分类算法没有根据特征项的不同对其重要程度进行划分,使得分类结果不准确。针对这一问题,引入Jensen-Shannon(js)散度,用js散度来表示特征项所能提供的信息量,并针对js散度存在的不足,从类别内与类别间的词频、文本频以及用变异系数修正过的逆类别频率这三个方面考虑,对js散度进行调整修正,最后计算出每一特征项的权值,将权值代入到朴素贝叶斯的公式中。通过与其他算法的对比实验证明,基于js散度并从词、文本、类别三方面改进后的朴素贝叶斯算法的分类效果最好。因此基于js散度特征加权的朴素贝叶斯分类算法与其他分类算法相比,其分类性能有很大提高。

关键词：文本分类朴素贝叶斯 js散度词频文本频率类别频率

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：