全文获取类型
收费全文 | 168433篇 |
免费 | 11735篇 |
国内免费 | 8870篇 |
学科分类
工业技术 | 189038篇 |
出版年
2024年 | 647篇 |
2023年 | 2945篇 |
2022年 | 3387篇 |
2021年 | 4027篇 |
2020年 | 4374篇 |
2019年 | 5026篇 |
2018年 | 2642篇 |
2017年 | 3840篇 |
2016年 | 4683篇 |
2015年 | 5784篇 |
2014年 | 10708篇 |
2013年 | 8421篇 |
2012年 | 10266篇 |
2011年 | 10573篇 |
2010年 | 9619篇 |
2009年 | 10260篇 |
2008年 | 11699篇 |
2007年 | 10103篇 |
2006年 | 8243篇 |
2005年 | 8306篇 |
2004年 | 7396篇 |
2003年 | 6464篇 |
2002年 | 5392篇 |
2001年 | 4747篇 |
2000年 | 4037篇 |
1999年 | 3556篇 |
1998年 | 3139篇 |
1997年 | 2885篇 |
1996年 | 2593篇 |
1995年 | 2405篇 |
1994年 | 2135篇 |
1993年 | 1772篇 |
1992年 | 1686篇 |
1991年 | 1574篇 |
1990年 | 1486篇 |
1989年 | 1493篇 |
1988年 | 224篇 |
1987年 | 127篇 |
1986年 | 90篇 |
1985年 | 75篇 |
1984年 | 47篇 |
1983年 | 45篇 |
1982年 | 41篇 |
1981年 | 25篇 |
1980年 | 14篇 |
1979年 | 3篇 |
1965年 | 8篇 |
1960年 | 4篇 |
1959年 | 7篇 |
1951年 | 9篇 |
排序方式: 共有10000条查询结果,搜索用时 328 毫秒
71.
针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。 相似文献
72.
针对抽水蓄能机组发电电动机转子磁极连接线现有设计校核往往仅考虑单一机械应力作用,提出计及机端短路故障的机电复合作用下发电电动机磁极连接线建模及应力分析方法。首先,基于有限元方法建立某抽水蓄能机组发电电动机转子结构有限元模型,得到磁极连接线不同工况下单一机械应力结果,然后建立机端三相短路故障下发电电动机电磁场有限元模型,得到计及故障下电磁力作用的机电复合应力结果。结果表明,磁极连接线飞逸工况下承受机械应力约为额定工况时的2倍,电磁力对磁极连接线不同区域影响不均,受力方向和大小的变化规律与机械应力不同,机电复合作用下会造成磁极连接线局部应力激增。 相似文献
73.
74.
75.
为提高低信噪比下高分辨一维距离像目标识别性能,提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展,实现对目标高分辨一维距离像局部特征与全局特征的提取。其中,在训练阶段利用支持向量理论与字典学习原理,对特征提取字典进行优化提高特征向量的可分性。在测试阶段,利用因子分析模型匹配方法对去噪声字典进行优化,从而实现对噪声的有效抑制,保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试,结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像,并实现较高的识别正确率。 相似文献
76.
77.
多分类问题是机器学习、数据挖掘领域的重要研究内容。在文本分类、语音识别、图像识别、基因检测等方面有广泛的应用。通过在UCI数据集对极限学习机算法ELMs(ELM,KELM)和支持向量机算法SVMs(SVM,LSSVM)在多分类问题上的表现进行详细比较,得出以下结论:ELMs相较于SVM在多分类问题上有更高的分类准确率,而且随着分类数目的增加,ELMs的泛化能力相较于SVM提高越多,但是ELMs对于LSSVM并没有得到上述结论;ELMs相较于SVMs对数据的类别数目不敏感,分类准确率随类别数目增加下降不明显;ELMs相较于SVMs在多分类问题上所需计算代价更小,且拥有更快的学习和训练速度,适用于多分类问题。 相似文献
78.
80.