全文获取类型
收费全文 | 59篇 |
免费 | 9篇 |
国内免费 | 8篇 |
专业分类
电工技术 | 8篇 |
综合类 | 8篇 |
化学工业 | 1篇 |
金属工艺 | 6篇 |
机械仪表 | 1篇 |
建筑科学 | 9篇 |
轻工业 | 2篇 |
水利工程 | 5篇 |
无线电 | 5篇 |
自动化技术 | 31篇 |
出版年
2023年 | 2篇 |
2022年 | 2篇 |
2021年 | 4篇 |
2020年 | 4篇 |
2019年 | 2篇 |
2018年 | 7篇 |
2017年 | 2篇 |
2015年 | 5篇 |
2014年 | 6篇 |
2013年 | 5篇 |
2012年 | 3篇 |
2011年 | 5篇 |
2009年 | 2篇 |
2008年 | 4篇 |
2007年 | 3篇 |
2006年 | 5篇 |
2005年 | 1篇 |
2004年 | 5篇 |
2003年 | 2篇 |
2002年 | 4篇 |
2000年 | 3篇 |
排序方式: 共有76条查询结果,搜索用时 109 毫秒
11.
12.
网络质量是通信企业的生命线,持续保持网络质量领先、客户满意是网络运维优化的工作主线。当前网络满意度面临严峻的本网挑战和友商挑战,本文创新性提出一套基于本网-友商-市场的三维评估体系,并以50*50米的栅格为颗粒度进行三维画像,输出网业态势八分区,指导网络资源投放、市场拓展,实现网络与市场协同作战,精准打击。 相似文献
13.
设计了一种腭裂语音的声韵母切分算法。通过主观的波形测试和客观的F检验及t检验,证明了腭裂语音与正常语音具有显著性差异。定义声母具有清音音素特性的音节为I类音节,声母具有浊音音素特性的音节为II类音节。首先基于层次聚类模型自动判别I类、II类音节,然后定义类浊音权重函数和类清音概率函数,实现I类音节的声韵母一级切分,再通过短时自相关函数峰值个数的一阶微分实现I类音节声韵母的二级切分。基于声韵母波形差异性,检测短时自相关函数的能量跳变点,实现II类音节的声韵母切分。通过大样本实验,结果表明提出的腭裂语音声韵母自动判别算法具有较高的正确率,I类音节的正确率达到90.72%,II类音节的正确率为92.90%。 相似文献
14.
语音信号基音周期检测一直以来都是语音信号处理的关键技术和热点领域。对传统的基音检测方法进行研究分析,提出基于自相关和倒谱法的基音检测改进算法。先将语音信号进行最小均方误差(LMS)自适应滤波和非线性处理进行语音增强,后进行自相关法和倒谱法加权平方运算来检测基音周期。经Matlab实验仿真,该算法在低信噪比环境中能精确检测基音周期,较传统基音检测方法鲁棒性更好、更精确。 相似文献
15.
通过对腭裂语音发声模型进行研究,提出基于激励、声道、辐射模型特征参数的腭裂语音高鼻音等级自动识别算法。通过对基于激励模型的基音频率、基于声道模型的共振峰参数、基于综合发声模型的短时能量和M el倒频谱系数等表征高鼻音特性的参数进行分析和改进,以K‐最近邻算法为模式识别分类器,得出应用4种特征参数的高鼻音等级自动识别结果。实验结果表明, M el倒频谱系数与腭裂语音临床生理特征相关性最大,对不同等级高鼻音识别率最高。 相似文献
16.
腭裂语音高鼻音等级的自动识别能为临床腭咽功能评估提供有效、客观、无创的辅助依据。对腭裂语音高鼻音等级自动分类系统进行了研究,利用听觉模型提取语音信号的听觉内部表达,并结合同步检测器提取软限制比(Soft Limited Ratio,SLR)谱特征作为特征参数,利用一对一支持向量机(1-v-1 Support Vector Machine,1-v-1 SVM)实现腭裂语音高鼻音四类等级(正常、轻度、中度和重度)的自动划分。实验采用56名儿童的共3 086个语音样本,并对比了使用不同基底膜滤波器种类和个数,使用同步检测器和侧抑制网络对识别效果的影响。实验结果表明,使用基于等效矩阵带宽(Equivalent Rectangular Bandwidth,ERB)尺度的Gammatone滤波器的识别效果优于基于Bark尺度的小波包滤波器;54个通道的滤波器能有效权衡算法时间成本和识别正确率;使用同步检测器提取SLR谱特征的识别效果优于侧抑制网络提取的LIN(Lateral Inhibition Network)谱特征。腭裂语音高鼻音四类等级自动识别系统最高分类正确率达91.50%。 相似文献
17.
18.
通过对多向弯曲件工艺的改进,使用一副模具,实现冲孔、去毛刺、向上弯曲、向下弯曲等多种工序的冲裁和成形。新模具的结构,保证了弯曲后孔中心距的要求。模具已有效且稳定地应用于批量生产中,零件质量稳定,生产效率大大提高,降低了生产成本。 相似文献
19.
古人曾说:“酷烈之祸,多起于玩忽之人;盛满之功,常败于细微之事。”这句话充分表达了“细节”在事物发展进程中的重要性。常说细节决定成败,对于安全生产更是如此。因其“小”,往往被人忽视,掉以轻心;因其“细”,常常使人感到繁琐,不屑一顾。而现实工作中,如果对细节问题视而不见、 相似文献
20.
为了对腭裂语音的高鼻音进行等级区分,本文提出基于声学特征参数分析的腭裂语音高鼻音等级自动识别算法,提取基于香农能量和Mel倒谱系数(Mel Frequency Cepstrum Coefficient MFCC)的S-MFCC作为声学特征参数,结合高斯混合模型(Gaussian Mixture Model GMM)分类器实现对腭裂语音四类高鼻音等级(正常、轻度、中度和重度)的自动识别。实验结果表明,提出的自动识别算法取得了较高的高鼻音类别识别率,对四类高鼻音的平均识别率达到79%以上,其中能量与Mel倒谱系数组成的特征参数组取得了85%的平均识别率,优于传统的香农能量算法,具有较高的临床应用价值。 相似文献