全文获取类型
收费全文 | 84篇 |
免费 | 3篇 |
国内免费 | 6篇 |
专业分类
电工技术 | 7篇 |
综合类 | 1篇 |
化学工业 | 14篇 |
金属工艺 | 1篇 |
机械仪表 | 6篇 |
轻工业 | 8篇 |
无线电 | 2篇 |
一般工业技术 | 3篇 |
冶金工业 | 5篇 |
自动化技术 | 46篇 |
出版年
2021年 | 1篇 |
2020年 | 2篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2016年 | 2篇 |
2015年 | 8篇 |
2014年 | 2篇 |
2013年 | 3篇 |
2012年 | 6篇 |
2011年 | 4篇 |
2010年 | 5篇 |
2009年 | 6篇 |
2008年 | 1篇 |
2007年 | 3篇 |
2006年 | 25篇 |
2005年 | 3篇 |
2004年 | 1篇 |
2003年 | 6篇 |
2002年 | 5篇 |
2001年 | 3篇 |
1999年 | 1篇 |
1995年 | 1篇 |
1992年 | 1篇 |
1986年 | 1篇 |
1983年 | 1篇 |
排序方式: 共有93条查询结果,搜索用时 234 毫秒
1.
2.
3.
通过超声-微波法来合成粉煤灰介孔分子筛,通过考察p H值、微波辐射时间和超声陈化时间等对合成工艺条件的影响,得到最佳的合成工艺条件:p H值为11,超声时间为90min,微波时间为10min时合成介孔分子筛样品对Cu2+和Cr6+的去除率可达到92%以上。X射线衍射表明特征峰基本与标准特征峰相似。由扫描电镜可以看出样品颗粒均匀,晶粒分布均匀。 相似文献
4.
5.
该文基于多通道脑电信号时空特性构建非正交变换过完备字典,准确稀疏表示蕴含时空相关性信息的多通道脑电信号,提高基于时空稀疏贝叶斯学习模型的多通道脑电信号压缩感知联合重构算法性能。实验选用eegmmidb脑电数据库的多通道脑电信号验证所提算法有效性。结果表明,基于过完备字典稀疏表示的多通道脑电信号,能够为多通道脑电信号压缩感知重构算法提供更多的时空相关性信息,比传统多通道脑电信号压缩感知重构算法所得的信噪比值提高近12 dB,重构时间减少0.75 s,显著提高多通道脑电信号联合重构性能。 相似文献
6.
7.
在人体运动模式识别中, 传统稀疏表示分类算法未考虑待测试样本相应稀疏系数向量内在块结构相关性信息,影响了算法识别性能。为此,提出一种基于块稀疏模型的人体运动模式识别方法。该方法充分利用人体运动模式内在块稀疏结构,将人体运动模式识别问题转化为稀疏表示问题,采用块稀疏贝叶斯学习算法,求解基于样本训练集优化稀疏表示待测样本的稀疏系数, 并根据稀疏系数重构残差判定待识别动作类别,能有效提高人体运动模式识别率。选用包含多类别人体动作行为模式的USC-HAD数据库对所提算法性能进行了验证。实验结果表明,所提算法能够有效捕获不同运动模式内在差异信息,平均动作识别率达到97.86%,比传统动作识别方法平均提高近5%,有效提高了动作识别准确率。 相似文献
8.
针对低功耗体域网步态远程监测终端非稀疏加速度数据重构和步态模式识别性能优化问题,提出了一种基于块稀疏贝叶斯学习的体域网远程步态模式重构识别新方法,该方法基于体域网远程步态监测系统架构和压缩感知框架,在体域网传感节点利用线性稀疏矩阵压缩原始加速度数据,减少传输数据量,降低其功耗,同时在远程终端基于块稀疏贝叶斯学习算法充分利用加速度数据块结构内在相关性,获取加速度数据内在稀疏性,有效提高非稀疏加速度数据重构性能,为准确识别步态模式提供可靠的数据支撑.采用USC-HAD数据库中行走、跑、跳、上楼、下楼五种步态运动的加速度数据验证新方法的有效性,实验结果表明,基于所提算法的加速度数据重构性能明显优于传统压缩感知重构算法性能,使基于支持向量机多步态分类器识别准确率可达98%,显著提高体域网远程步态模式识别性能.所提新方法不仅有效提高非稀疏加速度数据重构和步态模式识别性能,并且也有助于设计低功耗、低成本的体域网加速度数据采集系统,为体域网远程监测步态模式变化提供一个新方法和新思路. 相似文献
9.
为解决真空台包人工出铝的弊病,本文从控制真空台包转速、进行抗拉力静强度校核、解决链条磨损和疲劳方面,介绍利用机械传动将手动出铝改造为电动出铝的改造方案,说明了注意事项,取得了理想效果。 相似文献
10.