全文获取类型
收费全文 | 51332篇 |
免费 | 4739篇 |
国内免费 | 3078篇 |
专业分类
电工技术 | 3105篇 |
技术理论 | 5篇 |
综合类 | 2768篇 |
化学工业 | 8408篇 |
金属工艺 | 2057篇 |
机械仪表 | 2442篇 |
建筑科学 | 6948篇 |
矿业工程 | 2258篇 |
能源动力 | 1556篇 |
轻工业 | 2809篇 |
水利工程 | 1652篇 |
石油天然气 | 5127篇 |
武器工业 | 272篇 |
无线电 | 4364篇 |
一般工业技术 | 2415篇 |
冶金工业 | 3118篇 |
原子能技术 | 257篇 |
自动化技术 | 9588篇 |
出版年
2024年 | 978篇 |
2023年 | 3769篇 |
2022年 | 3858篇 |
2021年 | 3910篇 |
2020年 | 3214篇 |
2019年 | 2994篇 |
2018年 | 1087篇 |
2017年 | 1161篇 |
2016年 | 1215篇 |
2015年 | 1572篇 |
2014年 | 3248篇 |
2013年 | 2594篇 |
2012年 | 2768篇 |
2011年 | 3541篇 |
2010年 | 4068篇 |
2009年 | 1959篇 |
2008年 | 2093篇 |
2007年 | 1709篇 |
2006年 | 1592篇 |
2005年 | 1677篇 |
2004年 | 1416篇 |
2003年 | 1210篇 |
2002年 | 967篇 |
2001年 | 902篇 |
2000年 | 788篇 |
1999年 | 631篇 |
1998年 | 572篇 |
1997年 | 530篇 |
1996年 | 514篇 |
1995年 | 503篇 |
1994年 | 400篇 |
1993年 | 305篇 |
1992年 | 339篇 |
1991年 | 338篇 |
1990年 | 298篇 |
1989年 | 284篇 |
1988年 | 31篇 |
1987年 | 22篇 |
1986年 | 22篇 |
1985年 | 16篇 |
1984年 | 9篇 |
1983年 | 12篇 |
1982年 | 6篇 |
1981年 | 7篇 |
1980年 | 6篇 |
1979年 | 5篇 |
1973年 | 2篇 |
1965年 | 1篇 |
1960年 | 1篇 |
1951年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
71.
针对人脸识别因光照、姿态、表情、遮挡及噪声等多种因素的影响而导致的识别率不高的问题,提出一种加权信息熵(IEw)与自适应阈值环形局部二值模式(ATRLBP)算子相结合的人脸识别方法(IE (w) ATR-LBP)。首先,从原始人脸图像分块提取信息熵,得到每个子块的IEw;然后,利用ATRLBP算子分别对每个人脸子块提取特征从而得到概率直方图;最后,将各个块的IEw与概率直方图相乘,再串联成为原始人脸图像最后的特征直方图,并利用支持向量机(SVM)对人脸进行识别。在AR人脸库的表情、光照、遮挡A和遮挡B四个数据集上,IE (w) ATR-LBP方法分别取得了98.37%、94.17%、98.20%和99.34%的识别率。在ORL人脸库上,IE (w) ATR-LBP方法的最大识别率为99.85%;而且在ORL人脸库5次不同训练样本的实验中,与无噪声时相比,加入高斯和椒盐噪声后的平均识别率分别下降了14.04和2.95个百分点。实验结果表明,IE (w) ATR-LBP方法能够有效提高人脸在受光照、姿态、遮挡等影响时的识别率,尤其是存在表情变化及脉冲类噪声干扰时的识别率。 相似文献
73.
74.
75.
为了适应语音客户机器人根据客户情感开展高效服务的需求,研究了提高客户语音情感的识别率方法。首先从电话客服服务器录音中剪辑片段建立了CASIA中文多模态自然情感语料库,给出了14种主要情感和13种非典型的情感类型。其次建立了一个较大规模自然口语风格的汉语疑问语气语料库,并进行了单句、音节层面的韵律层级标注工作。最后采用线性融合韵律特征、梅尔频率倒谱特征的方法对汉语疑问语气、陈述语气进行分析,把整句的基频最大值、最小值也作为区分疑问、陈述语气的特征。实验结果表明,融合后的识别率较融合前平均提高了16%。 相似文献
76.
77.
78.
一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。 相似文献
80.