全文获取类型
收费全文 | 711篇 |
免费 | 101篇 |
国内免费 | 109篇 |
学科分类
工业技术 | 921篇 |
出版年
2023年 | 9篇 |
2022年 | 7篇 |
2021年 | 14篇 |
2020年 | 10篇 |
2019年 | 17篇 |
2018年 | 10篇 |
2017年 | 16篇 |
2016年 | 18篇 |
2015年 | 22篇 |
2014年 | 50篇 |
2013年 | 48篇 |
2012年 | 48篇 |
2011年 | 61篇 |
2010年 | 75篇 |
2009年 | 74篇 |
2008年 | 71篇 |
2007年 | 72篇 |
2006年 | 55篇 |
2005年 | 53篇 |
2004年 | 23篇 |
2003年 | 27篇 |
2002年 | 30篇 |
2001年 | 17篇 |
2000年 | 12篇 |
1999年 | 19篇 |
1998年 | 4篇 |
1997年 | 13篇 |
1996年 | 15篇 |
1995年 | 6篇 |
1994年 | 5篇 |
1993年 | 1篇 |
1992年 | 5篇 |
1991年 | 8篇 |
1990年 | 2篇 |
1989年 | 2篇 |
1986年 | 2篇 |
排序方式: 共有921条查询结果,搜索用时 46 毫秒
21.
为提高羽毛片生产效率和质量,减少主观分级误差,提出了一种利用机器视觉对羽毛片颜色自动分级的方法.首先在YU′V′颜色空间的基础上,对图像的特征值进行了提取与分析;然后结合特征值构建了一种基于SVM的二叉树多类分类器对羽毛片颜色进行分类,并分析了其分类误差.实验结果表明:该分类器正确率高,可有效确定羽毛片颜色的级别,满足羽毛片自动分级的生产要求. 相似文献
22.
提出一种基于极化分解分类与结构特征相结合的复杂场景全极化SAR图像机场跑道检测方法。首先利用先验信息粗选图像中各类样本目标进行H/α分解提取图像中各类训练样本,然后根据极化SAR图像的统计特性,利用贝叶斯分类器对图像进行分类,提取图像中机场跑道疑似区域,再结合机场跑道的五种结构特征用二叉树法进行判别,最终确定机场跑道区域。利用美国UAVSAR系统采集的多组全极化实测数据对算法进行实验,结果表明,该算法能够有效地检测出跑道,且检测的跑道结构完整,轮廓清晰,虚警率低。 相似文献
23.
24.
25.
为了进一步提高焊缝缺陷识别精度,定义了一种类分离度,提出了改进二叉树多分类SVM的焊缝缺陷分类方法.在焊缝缺陷分类时,计算每个类的类分离度,将类分离度最小的两个类进行训练得到SVM子分类器SVM_1,并将这两个类合并成一个新簇G;同理对新簇G和剩下的k-2类进行类分离度的评估,将类分离度最小的两类训练得到SVM子分类器SVM_2,并合并成新簇H,直至得到k-1个SVM分类器,训练结束得到良好的二叉树的分类结构.利用聚类生成好的优化二叉树SVM进行判别焊接缺陷.结果表明,新算法具有高的分类精度和推广能力. 相似文献
26.
针对虚拟共享平台(VSP)对资源监控和用户任务计费的需求,设计实现了VSP的网格资源监控模块VSPMonitor。VSPMonitor中资源消耗的计算采用二叉树对系统进程树进行存储。通过对二叉树的非递归遍历统计出用户任务的资源消耗量。实验表明这种基于二叉树模型的方法可以高效计算出用户任务的资源消耗量,满足VSP对资源监控和任务计费的需求。 相似文献
27.
28.
针对早期火灾信息特点,提出了一种基于二叉树的最小二乘小波支持向量机(Least squareswavelet support vector machine,LS-WSVM)多类分类方法.该方法首先把主成份分析用于早期火灾信息的特征提取.然后,把二叉树结构和LS-WSVM相结合,提出了基于二叉树的LS-WSVM多类分类模型,不仅避免了盲目分类和不可分情况,而且提高了分类速度和泛化能力.最后,用该模型对特征信息进行处理,从而实现了对早期火灾的多类识别.早期火灾分类实验结果表明,该方法比采用径向基核函数的最小二乘支持向量机多类分类方法具有更好的识别效果和更快的分类速度. 相似文献
29.
构建二叉树支持向量机时,如果随机地将分类器分布在二叉树的各个结点上,是不能充分发挥其性能的。考虑到样本的分布情况对分类器推广能力具有较大影响,提出一种次序二叉树支持向量机多类算法,采用样本分布半径和样本分布距离估算各个类别的样本在高维特征空间中的分布情况,把分布半径较大的类别或者分布距离较大的类别较早地分出来,并且在特征空间中给其划分较大的分类区域。转子多故障诊断实验表明,该算法的诊断速度快,故障识别率高,推广能力强,更加适合于实际故障诊断应用。 相似文献
30.
基于遗传算法和支持向量机的玉米品种识别 总被引:5,自引:0,他引:5
提出了一种基于遗传算法(GA)和支持向量机(SVM)的玉米种子的图像特征选择和分类识别的新方法。该方法首先用遗传算法对采集到的玉米种子图像的特征进行优化,而后采用决策二叉树的支持向量机分类算法对玉米品种进行识别。该分类算法将分类器分布在各个结点上,构成多类支持向量机,减少了分类器的数量和重复训练样本的数量。实验结果表明该方法能选出适合于识别的玉米种子特征并能对玉米种子进行正确地识别。 相似文献