全文获取类型
收费全文 | 3285篇 |
免费 | 531篇 |
国内免费 | 299篇 |
专业分类
电工技术 | 303篇 |
综合类 | 374篇 |
化学工业 | 85篇 |
金属工艺 | 87篇 |
机械仪表 | 284篇 |
建筑科学 | 157篇 |
矿业工程 | 29篇 |
能源动力 | 21篇 |
轻工业 | 129篇 |
水利工程 | 29篇 |
石油天然气 | 17篇 |
武器工业 | 49篇 |
无线电 | 747篇 |
一般工业技术 | 208篇 |
冶金工业 | 22篇 |
原子能技术 | 13篇 |
自动化技术 | 1561篇 |
出版年
2024年 | 17篇 |
2023年 | 62篇 |
2022年 | 77篇 |
2021年 | 83篇 |
2020年 | 93篇 |
2019年 | 128篇 |
2018年 | 57篇 |
2017年 | 106篇 |
2016年 | 125篇 |
2015年 | 162篇 |
2014年 | 228篇 |
2013年 | 191篇 |
2012年 | 257篇 |
2011年 | 258篇 |
2010年 | 269篇 |
2009年 | 273篇 |
2008年 | 332篇 |
2007年 | 272篇 |
2006年 | 243篇 |
2005年 | 215篇 |
2004年 | 145篇 |
2003年 | 141篇 |
2002年 | 84篇 |
2001年 | 69篇 |
2000年 | 45篇 |
1999年 | 39篇 |
1998年 | 32篇 |
1997年 | 30篇 |
1996年 | 19篇 |
1995年 | 16篇 |
1994年 | 5篇 |
1993年 | 15篇 |
1992年 | 8篇 |
1991年 | 6篇 |
1990年 | 3篇 |
1989年 | 8篇 |
1988年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有4115条查询结果,搜索用时 15 毫秒
61.
62.
63.
在视频序列的人体运动分析中,实时分割出运动的人体,是研究的关键步骤。为了克服不均匀光照、前景运动缓慢、背景中存在摇摆的树叶等因素对检测带来的影响,提出了一种背景减除法与帧间差分相结合的运动目标检测方法。该方法首先通过基于帧差法的背景模型建立方法建立背景图像,再结合背景减除与带有权值的帧间差分检测运动目标,降低目标物体对速度和环境干扰的敏感性。最后通过形态学梯度运算操作消除外界噪声的影响。实验结果表明,本文提出的算法计算简单,对环境适应能力较强,是一种有效的运动人体检测方法。 相似文献
64.
为提高自研"猫眼"探测系统的自动对焦性能,对主动激光图像散斑噪声、自动对焦窗口和视场变化三个对焦性能影响因素进行分析,分别提出了自动对焦改进算法及策略。实验证明,改进后,探测系统自动对焦性能明显提升,为探测系统后续预警提供了清晰准确的威胁目标激光图像。 相似文献
65.
66.
针对检重秤在复杂工业生产环境下,受机械传动、被测物体自身振动和外界随机扰动影响导致的传感器输出信噪比低、称量准确性难以满足要求等问题,提出一种联合时变低通与改进形态学的快速数据处理新方法:时变低通滤波器作为一级滤波,通过在信号跃变时,迭代优化滤波器参数,使边沿信号得以快速响应,有效消除冲击干扰,并抑制称重信号在滤波过程中的相位失真;然后采用改进形态学滤波器进行二级滤波,通过选择零值线性结构元素,并优化结构元素长度以及操作算子的权值系数,加快了动态称重的响应速度。实验结果表明,该方法能有效抑制各类干扰影响,提高测量准确度,最终实现运行速度达120 m/min,最大秤量400.0 g,满足国家标准《GB/T 27739—2011自动分检衡器》XIII级要求的检重秤搭建。 相似文献
67.
针对枪口烟雾图像的不规则性以及烟雾扩散速度快等特点,传统的边缘检测算法无法高效地提取烟雾边缘轮廓的问题,对烟雾图像采集技术、烟雾图像预处理技术以及烟雾图像边缘检测技术进行了研究,提出了一种改进的二进小波和抗噪形态学融合的边缘检测算法.首先,在 B 样条二进小波基础上,将二进小波消失矩的阶数提高到四阶;其次,选取方向不同的结构元素,得出改进的形态学算子;最后,用小波逆变换重新构造枪口烟雾图像,对其进行锐化处理,输出边缘信息.仿真结果表明,该算法检测出来的枪口烟雾图像边缘定位准确且清晰完整,能有效抑制噪声,在客观方面优于传统的边缘检测算法. 相似文献
68.
针对构造型形态神经网络(CMNN)决策函数的局限性,提出了一种模糊格构造型形态神经网络(FLCMNN);该模型在利用训练好的CMNN进行分类时,引入模糊格包容性测度计算测试样本属于各超盒的隶属度值.采用仿真数据集对提出的FL-CMNN模型进行了评价,并与原始的CMNN和传统的人工神经网络、支持向量机、最近邻分类器进行了对比;试验结果表明,FL-CMNN在测试精度上明显优于原始的CMNN,训练时间远远低于传统的神经网络和支持向量机,而分类精度丝毫不亚于传统的神经网络和支持向量机. 相似文献
69.
70.