创于1955年 | 核心期刊(北大)
没有文章?开启 智能写作
中华人民共和国教育部 南京大学
32-1169/N 0469-5097
双月刊 知网、维普、万方
4564 0
601953 28643
基础科学
¥/年
加入购物车期刊简介
《南京大学学报(自然科学)》创刊于1955年1月,是南京大学主办、国家教委主管、国家科委审批的中央级自然科学综合性学术刊物,现为双月刊,国内外公开发行。获奖情况:中国自然科学核心期刊;中国期刊方阵“双效”期刊。 《南京大学学报(自然科学)》其报道内容包括数学、天文、计算机科学、物理、信息物理、化学、生物、生物化学、地球科学、大地海洋学、大气科学、环境科学、医学等学科的基础研究和应用研究。固定收录《南京大学学报(自然科学)》的国外权威性数据库和文献杂志在4个以上,例如俄罗斯文摘杂志(PЖ)、美国数学评论(MR)、化学文摘(CA)和德国数学文摘(ZM)等。
展开本刊热词
联系我们
主编:
电话:
联系地址:
邮箱:
相似期刊
数据加载中...
数据缺失!
采用以平面为原型来拟合样本的思想设计学习机,已在机器学习和数据挖掘等领域引起广泛关注,然而,如何利用少量标记样本,兼顾平面原型特点实现聚类,鲜见报道.以kPC(k-Plane Clustering)为...
针对多标记学习算法中特征描述粒度导致的标记倾向性问题,大多数研究者从特征与所有标记之间的关联性入手,通过求解得出若干重要特征,并由此构造相应的特征子空间.这种做法会导致有些特征与某个标记有很强的相关性...
针对传统蝗虫优化算法寻优精度低和收敛速度慢的问题,提出一种基于非线性调整策略的改进蝗虫优化算法.首先,利用非线性参数代替传统蝗虫算法中的递减系数,协调算法全局探索和局部开发能力,加快算法收敛速度;其次...
随着互联网应用的蓬勃发展,一个人在不同的社交网络平台上都拥有账户是很常见的.如何在多个社交网络上找到同一个人的账户,对许多应用是很重要的问题,也被称为用户对齐问题.在用户对齐问题上,目前有两个主要的挑...
现有的多标记特征选择一般假设特征空间是固定已知的,然而实际应用中很多特征是需要在提取过程中实时地进行筛选.为此,提出基于邻域交互增益信息的多标记在线流特征选择算法.首先,基于多标记邻域互信息和邻域交互...
自相似特性是复杂网络研究的重点,分形维数是度量其自相似特性的重要工具.针对带权图中节点权重与边权重可以为正实数、负实数、纯虚数及复数等多种不同数值的情形,给出各种不同带权图的多重分形维数,讨论了带权图...
近年来,距离度量学习已经成为图像分类领域的研究热点之一,图像到类距离的度量作为其中的一种方法,取得了不错的分类效果.该方法是一种非参数方法,但由于缺少训练学习,其分类性能很容易受干扰因素的影响,为此提...
为了描述和分析特定微博事件的情感变化,情感时间序列被应用在微博事件分析当中.情感时间序列是根据不同时间段内的情感强度生成的曲线,能够描述用户关于事件的情感随时间变化的趋势.为了使对微博的情感挖掘定位到...
概念漂移会导致数据流分类模型的分类能力随时间发展而下降,这就要求分类模型有自适应的能力.现有的大多数自适应概念漂移的数据流分类模型往往假设数据输入分类模型得到预测标签之后就可以得到其真实标签,但这种假...
条件偏好网(Conditional Preference networks,CP-nets)是描述属性间条件偏好的图模型,多值无环CP-nets学习是重要的研究方向之一.区别于传统的CP-nets学习...
影响因子
发文量统计
栏目发文统计
学科分布
: 数据缺失
: %以下
: 字符以内为宜
: -字符
: -字数为宜(包含参考文献)
: 不少于条
: -词为宜(关键词应该选取正文中出现频次较高的主题词、论文的核心概念词、不能选区无实际意义的虚词)
免责声明: 访问者在接受本网站服务之前,请务必仔细阅读本声明。访问者访问本网站的行为以及通过各类方式利用本网站的行为,都将被视作是对本声明全部内容的无异议的认可。
第一条 访问者在从事与本网站相关的所有行为(包括但不限于访问浏览、利用、转载、宣传介绍)时,必须以善意且谨慎的态度行事;访问者不得故意或者过失的损害本网站的各类合法权益,不得利用本网站以任何方式直接或者间接的从事违反中华人民共和国法律、国际公约以及社会公德的行为。
第二条 本网站充分尊重原创作者的著作权和知识产权。本网站合理信赖客户上传原创产品到中教数据库,你就是原创作者或是已经征得著作权人的同意并与著作权人就相关问题作出了妥善处理。本网站对于有关原创数字产品的买卖以及使用属于合理行为,因此与之有关的知识产权纠纷本网站不承担任何责任。本网站郑重提醒访问者:请在转载有关数字产品或者使用时一定要遵守相关的知识产权,否则与之有关的知识产权纠纷本网站免责。
同时,对本网站原创数字产品以及本网站标识,本网站享有自主知识产权。侵犯本网站之知识产权的,本网站有权追究其法律责任。
第三条 本网站发布的各类数字产品文档,访问者在本网站发表的观点以及以链接形式推荐的其他网站内容,仅为提供更多信息以参考使用或者学习交流,并不代表本网站观点,也不构成任何销售建议。
第四条 以下情形导致的个人信息泄露,本网站免责: (一)政府部门、司法机关等依照法定程序要求本网站披露个人资料时,本网站将根据执法单位之要求或为公共安全之目的提供个人资料; (二)由于用户将个人密码告知他人或与他人共享注册账户,由此导致的任何个人资料泄露;
(三)任何由于计算机问题、黑客攻击、计算机病毒侵入或发作、因政府管制而造成的暂时性关闭等影响网络正常经营的不可抗力而造成的个人资料泄露、丢失、被盗用或被窜改等; (四)由于与本网站链接的其他网站所造成之个人资料泄露;
第五条 本网站若因线路及本网站控制范围外的硬件故障或其它不可抗力而导致暂停服务,于暂停服务期间给用户造成的一切损失,本网站不承担任何法律责任。
第六条 除本网站注明之服务条款外,其他一切因使用本网站而引致之任何意外、疏忽、诽谤、版权或知识产权侵犯及其所造成的损失(包括因下载而感染电脑病毒),本网站不承担任何法律责任。
第七条 若因本网站产生任何诉诸于诉讼程序的法律争议,均以本网站所有者中教数据库所在地的法院,即北京市人民法院为管辖法院。
第八条 本声明之订立、修改、更新及最终解释权均属中教数据库所有。
第九条 以上声明于2016年6月1日公布并生效。
友情链接 | Friendship link
Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved