全文获取类型
收费全文 | 2115篇 |
免费 | 429篇 |
国内免费 | 292篇 |
专业分类
电工技术 | 100篇 |
综合类 | 190篇 |
化学工业 | 22篇 |
金属工艺 | 12篇 |
机械仪表 | 71篇 |
建筑科学 | 190篇 |
矿业工程 | 28篇 |
能源动力 | 3篇 |
轻工业 | 16篇 |
水利工程 | 13篇 |
石油天然气 | 3篇 |
武器工业 | 55篇 |
无线电 | 456篇 |
一般工业技术 | 101篇 |
冶金工业 | 67篇 |
原子能技术 | 3篇 |
自动化技术 | 1506篇 |
出版年
2024年 | 10篇 |
2023年 | 53篇 |
2022年 | 121篇 |
2021年 | 130篇 |
2020年 | 103篇 |
2019年 | 76篇 |
2018年 | 72篇 |
2017年 | 73篇 |
2016年 | 74篇 |
2015年 | 111篇 |
2014年 | 170篇 |
2013年 | 137篇 |
2012年 | 185篇 |
2011年 | 166篇 |
2010年 | 152篇 |
2009年 | 131篇 |
2008年 | 168篇 |
2007年 | 190篇 |
2006年 | 119篇 |
2005年 | 119篇 |
2004年 | 97篇 |
2003年 | 63篇 |
2002年 | 55篇 |
2001年 | 45篇 |
2000年 | 33篇 |
1999年 | 30篇 |
1998年 | 12篇 |
1997年 | 12篇 |
1996年 | 11篇 |
1995年 | 17篇 |
1994年 | 17篇 |
1993年 | 8篇 |
1992年 | 4篇 |
1991年 | 2篇 |
1990年 | 11篇 |
1989年 | 5篇 |
1988年 | 4篇 |
1987年 | 4篇 |
1986年 | 5篇 |
1985年 | 10篇 |
1984年 | 3篇 |
1983年 | 3篇 |
1982年 | 6篇 |
1981年 | 4篇 |
1980年 | 1篇 |
1979年 | 5篇 |
1978年 | 2篇 |
1977年 | 4篇 |
1975年 | 3篇 |
排序方式: 共有2836条查询结果,搜索用时 31 毫秒
11.
12.
针对当前城市照明规划为景观而景观,忽视夜景建设所蕴含的巨大经济潜力的设计误区,提出将景观经济策略引入西部欠发达地区城市照明规划中.照明规划除承担城市的修饰与美化作用外,还应与整合地方优势资源、发展旅游经济、促进休闲娱乐产业、吸引投资等相关领域有机联系,以夜景建设为手段,实现提高城市品质与促进经济发展的双赢功效.并以柳州市城市照明规划为例进行了剖析. 相似文献
13.
在现场证据只能证明起火部位、起火点,无法证明起火源,当事人又拒不承认违法事实的情况下,火调人员及时调整调查思路,细项勘验取得物证保证了火灾调查的成功。 相似文献
14.
15.
目的 显微光学成像有景深小和易模糊等缺陷,很难根据几何光学中的点扩散函数准确评估图像的模糊程度,进而很难计算景物深度。同时,传统的使用边缘检测算子衡量图像模糊程度变化的方法缺少与景物深度之间的函数关系,影响深度计算的精度。为此,本文提出一种显微光学系统成像模糊程度与景物深度关系曲线的获取方法。方法 从显微光学系统中的光学传递特性出发,建立光学传递函数中的光程差、高频能量参数和景物深度之间的数学关系,并通过归一化和曲线拟合得到显微光学系统的成像模糊程度与景物深度之间的解析函数。结果 为了验证本文获取的图像模糊程度和景物深度之间的函数关系,首先使用纳米方形栅格的模糊图像进行深度计算,实验测得的深度平均误差为0.008 μm,即相对误差为0.8%,与通过清晰图像和模糊图像的逐个像素亮度值比较,根据最小二乘方法搜索两幅图像的亮度差最小时求得深度的方法相比,精度提高了约73%。然后基于深度测量结果进行模糊栅格图像的清晰重构,重构后的图像在平均梯度和拉普拉斯值两个方面都明显提高,且相对于传统基于高斯点扩散函数清晰重构方法,本文方法的重构精度更高,稳定性更强;最后通过多种不同形状和亮度特性的栅格模糊图像的深度计算,证明了本文的模糊程度—深度变化曲线对不同景物的通用性。结论 本文建立的函数关系能够更加直观地反映系统参数对光学模糊成像过程的影响。使用高频能量参数表征图像的模糊特性,既可以准确测量图像模糊程度,也与景物深度具有直接的函数关系。固定光学系统参数后,建立的归一化系统成像模糊程度与景物深度之间的函数关系不会受到景物图像的纹理、亮度等特性差异的影响,鲁棒性强、更方便、更省时。 相似文献
16.
目的 卷积神经网络(convolutional neural network,CNN)在遥感场景图像分类中广泛应用,但缺乏训练数据依然是不容忽视的问题。小样本遥感场景分类是指模型只需利用少量样本训练即可完成遥感场景图像分类任务。虽然现有基于元学习的小样本遥感场景图像分类方法可以摆脱大数据训练的依赖,但模型的泛化能力依然较弱。为了解决这一问题,本文提出一种基于自监督学习的小样本遥感场景图像分类方法来增加模型的泛化能力。方法 本文方法分为两个阶段。首先,使用元学习训练老师网络直到收敛;然后,双学生网络和老师网络对同一个输入进行预测。老师网络的预测结果会通过蒸馏损失指导双学生网络的训练。另外,在图像特征进入分类器之前,自监督对比学习通过度量同类样本的类中心距离,使模型学习到更明确的类间边界。两种自监督机制能够使模型学习到更丰富的类间关系,从而提高模型的泛化能力。结果 本文在NWPU-RESISC45(North Western Polytechnical University-remote sensing image scene classification)、AID (aerial image dataset)和UCMerced LandUse (UC merced land use dataset)3个数据集上进行实验。在5-way 1-shot条件下,本文方法的精度在3个数据集上分别达到了72.72%±0.15%、68.62%±0.76%和68.21%±0.65%,比Relation Net*模型分别提高了4.43%、1.93%和0.68%。随着可用标签的增加,本文方法的提升作用依然能够保持,在5-way 5-shot条件下,本文方法的精度比Relation Net*分别提高3.89%、2.99%和1.25%。结论 本文方法可以使模型学习到更丰富的类内类间关系,有效提升小样本遥感场景图像分类模型的泛化能力。 相似文献
17.
18.
19.
Accessing Web3D contents is relatively slow through Internet under limited bandwidth. Preprocessing of 3D models can certainly alleviate the problem, such as 3D compression and progressive meshes (PM). But none of them considers the similarity between components of a 3D model, so that we could take advantage of this to further improve the efficiency. This paper proposes a similarity‐aware data reduction method together with PM, called lightweight progressive meshes (LPM). LPM aims to excavate similar components in a 3D model, generates PM representation of each component left after removing redundant components, and organizes all the processed data using a structure called lightweight scene graph. The proposed LPM possesses four significant advantages. First, it can minimize the file size of 3D model dramatically without almost any precision loss. Because of this, minimal data is delivered. Second, PM enables the delivery to be progressive, so called streaming. Third, when rendering at client side, due to lightweight scene graph, decompression is not necessary and instanced rendering is fully exerted. Fourth, it is extremely efficient and effective under very limited bandwidth, especially when delivering large 3D scenes. Performance on real data justifies the effectiveness of our LPM, which improves the state‐of‐the‐art in accessing Web3D contents. Copyright © 2015 John Wiley & Sons, Ltd. 相似文献
20.
为了准确识别现实场景下的人体动作,提出了基于多任务学习的人体动作识别方法。首先,对数据进行局部显著点的检测和特征描述。然后,利用K均值算法对所提特征进行聚类构建词袋模型。最后,利用任务之间的关系,实现现实场景下的人体动作识别。比较实验说明所提出方法能够较好的识别现实场景下的人体动作,并对数据背景、光照条件等外因具有较强的鲁棒性。 相似文献