首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3989篇
  免费   964篇
  国内免费   719篇
电工技术   278篇
综合类   542篇
化学工业   297篇
金属工艺   32篇
机械仪表   193篇
建筑科学   50篇
矿业工程   29篇
能源动力   70篇
轻工业   491篇
水利工程   26篇
石油天然气   39篇
武器工业   33篇
无线电   603篇
一般工业技术   246篇
冶金工业   16篇
原子能技术   38篇
自动化技术   2689篇
  2024年   14篇
  2023年   88篇
  2022年   151篇
  2021年   187篇
  2020年   192篇
  2019年   200篇
  2018年   183篇
  2017年   196篇
  2016年   238篇
  2015年   258篇
  2014年   338篇
  2013年   351篇
  2012年   399篇
  2011年   399篇
  2010年   317篇
  2009年   317篇
  2008年   352篇
  2007年   347篇
  2006年   283篇
  2005年   202篇
  2004年   173篇
  2003年   112篇
  2002年   95篇
  2001年   51篇
  2000年   35篇
  1999年   38篇
  1998年   19篇
  1997年   19篇
  1996年   17篇
  1995年   13篇
  1994年   20篇
  1993年   10篇
  1992年   15篇
  1991年   13篇
  1990年   8篇
  1989年   5篇
  1988年   2篇
  1987年   3篇
  1986年   4篇
  1985年   2篇
  1984年   1篇
  1983年   1篇
  1981年   1篇
  1978年   1篇
  1974年   1篇
  1959年   1篇
排序方式: 共有5672条查询结果,搜索用时 15 毫秒
1.
溢流是钻井作业中最常见的事故之一,如果对溢流监测与诊断不及时,可能导致严重的井控风险,甚至井喷。钻井现场监测数据较多,直接采用这些数据作为溢流诊断模型的输入会增加模型的复杂度,影响模型的准确率,并且在诊断模型建立过程中存在溢流样本数据标记代价较高的问题。为此建立了基于核主成分分析-半监督极限学习机(KPCA-SSELM)的钻井溢流诊断方法。首先利用核主成分分析(KPCA)算法对钻井各参数进行信息整合,提取其主成分以反映原数据的核心信息,然后选用半监督极限学习机(SSELM)算法进行模型训练,最后利用现场钻井数据与SSELM和KPCA-ELM等模型进行对比实验,验证模型的有效性。结果表明,基于KPCA-SSELM的模型较其他模型具有较高的溢流诊断率及模型泛化能力,采用半监督极限学习机算法能够在钻井数据标记样本比较少的情况下充分挖掘无标签样本所包含的信息训练网络,进一步提高模型的性能,具有很好的应用前景。  相似文献   
2.
KS油田开发进入高含水期后,注水井调剖是常用的稳油控水措施,但是在选井决策方面,存在指标界限不易选择、权重数值不易量化等问题。针对上述问题,筛选出能够较准确反映水窜特征的单井指标、井间指标和静态指标,构建基于多项式核函数、径向基核函数和Sigmoid核函数的新型核函数,并基于函数形式优化模糊聚类方法,提高拟合精度和预测精度。提出适合KS油田高含水后期调剖选井模糊聚类决策方法,提高调剖选井样本集和检测集的识别率。将新型注水井调剖选井决策方法应用于KS油田,从22口注水井中优选出3口进行调剖,增油降水效果显著。  相似文献   
3.
从生熟角度系统分析板栗仁的品质差异性。以15份不同产地的鲜板栗为原料,采用人工去壳去皮、隔水蒸煮熟化处理,测定板栗主要经济性状指标(出仁率、板栗仁单果重量、粒径及碎粒率),并检测蒸煮前后板栗仁内在品质指标(可溶性糖、蔗糖、可溶性蛋白、淀粉、直链淀粉、多酚)。结果表明:经蒸煮熟化后,板栗仁可溶性糖含量、可溶性蛋白含量下降幅度依次为21.6 %~72.1 %、21.4 %~90.9 %;但大部分产地板栗仁的直链淀粉含量、多酚含量均呈上升趋势,而蔗糖含量呈下降趋势。应用因子分析及相关性分析,从11个指标参数筛选出评价板栗仁综合品质的核心指标为:板栗仁蔗糖含量、可溶性糖含量、多酚含量、可溶性蛋白含量及熟制板栗仁原料的直链淀粉含量。本研究结果为进一步丰富板栗仁综合品质评价体系提供了重要参考。  相似文献   
4.
为保证在摘酒过程中基酒分段的准确,研究通过利用傅里叶变换近红外设备对整个摘酒过程中的基酒样品进行光谱采集,使用支持向量机(SVM)对最优预处理的基酒光谱建立基酒分段模型,其模型训练集的正确率为93.02%,测试集判别率为90.08%。为减少建模时间和提高模型的可靠性,使用核主成分分析(KPCA)对基酒光谱数据降维,并对此建立基酒分段模型。其训练集正确率为94.81%,测试集判别率为90.75%,相比无KPCA分析时的分段模型训练集高1.79%,测试集高0.67%。为进一步提高模型的判别能力,使用马氏距离(MD)剔除了降维后的异常数据样品,创建的基酒分段模型训练集对基酒段数的正确率为98.72%,测试集正确率为98.75%。剔除异常样品后的分段模型的训练集正确率提高了3.91%,测试集判别率提高了8%。以上研究表明了KPCA+MD+ SVM基酒分段模型能对基酒进行快速判别,为近红外光谱在自动化摘酒方面提供了一种理论可能。  相似文献   
5.
采用一种针对有机化合物提出的类语言分子描述符对哈佛清洁能源项目数据库(CEPDB)中29000个有机太阳能电池供体分子进行描述,分子将基于最近邻子图理论被分解成片段(词),并利用广度优先搜索算法将片段排列成一定的序列(句子),在每个片段的信息被嵌入一个数值向量后,每个分子可表示为一个信息矩阵。在此基础上,通过一个深层神经网络提取嵌入信息,并与对应材料的光电转换效率(PCE)关联,获得了决定系数(R2)为0.97、均方误差(MSE)为0.16的预测结果。与现有方法的比较表明该方法在精度上具有竞争力。在建模过程中引入注意力机制,识别出了几个对PCE值具有决定性意义的分子片段,可为有机光伏材料的逆向设计提供指导信息。  相似文献   
6.
目的 调查2018年湖北、安徽、江苏和河北4省脱粒小麦中5种镰刀菌毒素和4种黄曲霉毒素(aflatoxins,AFs)的污染情况。方法 从4省采集2018年5~6月收获的脱粒小麦371份,经乙腈-水(84:16,V:V)提取、Mycosep 226多功能净化柱净化后,采用高效液相色谱串联质谱同时测定样品中脱氧雪腐镰刀菌烯醇(deoxynivalenol,DON)、3-乙酰基-DON(3-acetyl-DON,3-Ac-DON)、15-乙酰基-DON(15-acetyl-DON,15-Ac-DON)、雪腐镰刀菌烯醇(nivalenol,NIV)、玉米赤霉烯酮(zearalenone,ZEN)和4种AF, 共9种毒素的含量。 结果 4省脱粒小麦受多种镰刀菌毒素, 尤其是DON的污染较为严重,而AF污染相对较轻。DON的检出率最高,为90.3%,阳性样品中DON平均污染水平为2706.3 μg/kg,45.3%样品DON的含量超过国家限量标准1000 μg/kg;4种AF的检出率和平均污染水平均较低,其中AFB1和AFB2的检出率最高,均为3.2%,2份样品AFB1含量超过国家限量标准5 μg/kg,仅1份样品检出AFG2,所有样品均未检出AFG1。从地区来看,湖北省脱粒小麦中各毒素污染最严重,尤其是DON、其检出率和平均污染水平分别为100%和6314.9 μg/kg;江苏省样品中ZEN的平均污染水平为1971.2 μg/kg,远高于其它省份。Spearman相关性分析表明,5种镰刀菌毒素的污染具有显著相关性,DON与已检出的3种AF及3种AF间的污染相关性均较弱或无显著相关性。 结论 4省脱粒小麦受5种镰刀菌毒素的污染较为严重且具有显著相关性。污染程度为湖北>安徽>江苏>河北。因此,有必要对4省脱粒小麦中多种毒素的协同污染情况进行持续监测。  相似文献   
7.
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   
8.
机械设备的运行可靠度反映的是机械设备在预期服役环境中正常工作的能力,传统的机械设备运行可靠度评估方法通常是建立在大量历史样本信息的基础上,然而针对没有历史样本信息的机械设备,传统方法难以对机械设备的实际运行状态进行准确评估,也很难对其未来的性能退化趋势进行有效预测。为此,提出通过构建归一化EEMD信息熵与组合核函数相关向量机对机械设备的运行状态进行评估和预测。首先采集机械设备运行过程中的振动信号,采用经验模式分解方法(ensemble empirical mode decomposition,EEMD)对振动信号进行分解,获得多个本征模态函数(intrinsic mode function,IMF)分量,并分别计算其相对能量和归一化EEMD信息熵,构造表征机械设备运行状态的特征指标。随后,构建组合核相关向量机对机械设备的运行状态指标量样本进行学习,并采用粒子群算法对组合核相关向量机中的权值参数和核函数参数进行优化,建立反映机械设备运行状态的可靠度预测模型。最后,将所构造的运行状态特征指标输入给相关向量机进行可靠度的性能退化预测。滚动轴承运行状态评估及预测的结果表明,所提出的机械设备运行状态评价方法能够充分提取反映滚动轴承运行状态的特征信息,运行可靠度预测方法也充分考虑了滚动轴承性能退化状态的历史规律性,相对于单一核函数相关向量机智能预测模型,组合核相关向量机提高了滚动轴承运行状态的预测精度和鲁棒性,为机械设备的运行状态评估和性能退化趋势预测的工程应用提供了一种新的方法。  相似文献   
9.
Alzheimer's disease (AD), a neurodegenerative disorder, is a very serious illness that cannot be cured, but the early diagnosis allows precautionary measures to be taken. The current used methods to detect Alzheimer's disease are based on tests of cognitive impairment, which does not provide an exact diagnosis before the patient passes a moderate stage of AD. In this article, a novel classifier of brain magnetic resonance images (MRI) based on the new downsized kernel principal component analysis (DKPCA) and multiclass support vector machine (SVM) is proposed. The suggested scheme classifies AD MRIs. First, a multiobjective optimization technique is used to determine the optimal parameter of the kernel function in order to ensure good classification results and to minimize the number of retained principle components simultaneously. The optimal parameter is used to build the optimized DKPCA model. Second, DKPCA is applied to normalized features. Downsized features are then fed to the classifier to output the prediction. To validate the effectiveness of the proposed method, DKPCA was tested using synthetic data to demonstrate its efficiency on dimensionality reduction, then the DKPCA based technique was tested on the OASIS MRI database and the results were satisfactory compared to conventional approaches.  相似文献   
10.
双子支持向量机(twin support vector machine,简称TWSVM)的核函数选择对其分类性能有着重要影响,TWSVM其核函数一般是局部核函数或者全局核函数,这两种核函数的泛化能力和分类性能不能兼顾。笔者利用综合加权的高斯局部核函数和多项式全局核函数方法组成双核函数来改进TWSVM以提高其泛化能力和分类性能,并采用简化粒子群优化(simple particle swarm optimization,简称SPSO)方法来对权值和参数进行优化,提出了SPSO优化Multiple Kernel-TWSVM模型,将该模型应用到滚动轴承故障诊断模式识别中。实验结果表明,双核TWSVM比单核TWSVM和反向传播(back propagation,简称BP)神经网络具有更高的分类准确率。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号