全文获取类型
收费全文 | 83篇 |
免费 | 10篇 |
国内免费 | 9篇 |
专业分类
综合类 | 2篇 |
化学工业 | 17篇 |
金属工艺 | 1篇 |
机械仪表 | 1篇 |
建筑科学 | 21篇 |
矿业工程 | 1篇 |
轻工业 | 8篇 |
水利工程 | 2篇 |
石油天然气 | 2篇 |
武器工业 | 1篇 |
无线电 | 14篇 |
一般工业技术 | 9篇 |
冶金工业 | 5篇 |
原子能技术 | 10篇 |
自动化技术 | 8篇 |
出版年
2024年 | 4篇 |
2023年 | 3篇 |
2022年 | 7篇 |
2021年 | 5篇 |
2019年 | 2篇 |
2018年 | 8篇 |
2017年 | 4篇 |
2016年 | 3篇 |
2015年 | 1篇 |
2014年 | 11篇 |
2013年 | 11篇 |
2012年 | 9篇 |
2011年 | 1篇 |
2010年 | 3篇 |
2009年 | 5篇 |
2008年 | 2篇 |
2007年 | 3篇 |
2006年 | 1篇 |
2005年 | 1篇 |
2004年 | 3篇 |
2003年 | 1篇 |
2002年 | 1篇 |
1999年 | 2篇 |
1998年 | 7篇 |
1997年 | 1篇 |
1992年 | 2篇 |
1990年 | 1篇 |
排序方式: 共有102条查询结果,搜索用时 15 毫秒
51.
雷达对空飞机目标分类可实现雷达装备获得敌机属性和类别信息,对于现代战争其重要性显得尤为突出。针对复杂电磁环境下的飞机目标分类问题,结合防空雷达的特点建立3类(固定翼、螺旋桨和直升机)飞机旋转部件调制回波模型,并理论分析了不同类型飞机目标的微动特征差异。仿真分析在复杂电磁环境下干扰对微动频谱的影响。引入压缩感知方法进行干扰条件下的微动特征稀疏恢复,采用堆栈自编码学习(SAE)方法构建深层神经网络对目标进行自动特征提取和分类识别;实录数据验证表明,本文特征提取和识别方法在干扰比例41%时识别正确率能达到75%。 相似文献
52.
构建了历史建筑综合价值评价指标体系,提出了历史建筑综合评价指标等级划分标准及综合价值评定等级量化标准,构造白化权函数进行聚类分析,建立基于灰色聚类法的历史建筑综合价值评价模型.通过实例,说明了该评价模型的应用.结果显示,灰色聚类法能够正确判别历史建筑综合价值等级,而且在灰色聚类系数矩阵中能够显示样本对于不同等级的隶属程度. 相似文献
53.
54.
55.
1666年8月1日夜晚,英国首都伦敦的一个面包师不慎闯下大祸,伦敦几乎倾城被毁。当时,这个面包师以为烘烤炉已经熄灭,便上床睡觉去了。谁料炉子里的余热还很高,几个小时以后,搁在炉子上的一些木块烧着了!大火吞噬了面包师的房子,然后沿着通向泰晤士河的由无数木板 相似文献
56.
57.
以微晶纤维素为原料,利用NaOH/尿素体系对微晶纤维素进行溶解,得到再生纤维素溶液。采用滴定悬浮的方法制备纤维素水凝胶球,采用2,2,6,6-四甲基哌啶-1-氧基自由基(TEMPO)/NaBr/NaClO选择性氧化体系对纤维素水凝胶球进行氧化处理,获得羧基化改性纤维素水凝胶球,冷冻干燥得到羧基化改性纤维素气凝胶球。研究结果表明:羧基化改性纤维素水凝胶球的含水量为95.64%,吸附4h,亚甲基蓝的吸附量达到6.97mg/g。对羧基化改性纤维素气凝胶球进行傅里叶变换红外光谱(FT-IR)和扫描电子显微镜(SEM)表征分析,在1600cm-1处出现了CO的伸缩振动峰,TEMPO的选择性氧化对样品起到羧基化改性作用,羧基化改性纤维素气凝胶增加了球形气凝胶的表面通透性,内部仍呈现网络结构,羧基化改性纤维素气凝胶球的密度为0.038g/cm3。 相似文献
58.
59.
西南丝绸之路作为历史上蜀地与外界沟通的主要纽带之一,对四川省各民族历史文化的发展和传播起到了重要的作用,它不仅是一条功能性的交通线路,而且还是一条丰富的"文化走廊"。以古道这一交通线路与文化走廊为线索,对沿线聚落进行比较研究,并以典型聚落——宜宾、会理、芦山等为例,探讨古代交通方式对聚落选址、聚落分布以及聚落形态的形成等方面的作用。结果发现在西南丝绸之路上作为交通要塞的传统聚落具有特别的空间格局、景观形态与民族文化特色。通过对传统聚落发展变化的适应性分析,揭示了这些城镇村落生长与演变的内在动因和规律,为城镇的有机更新提供了科学依据,为乡土聚落的研究提供了新的视角,同时丰富了宏观的地域景观研究。 相似文献
60.
乳腺X线摄影技术是目前乳腺癌早期发现和诊断的重要手段。然而乳腺X线图像中肿块边缘模糊,分类相对困难,因此提升乳腺肿块的诊断精度从而及早预防和治疗仍是医学领域的一大挑战。针对乳腺肿块的特点,提出了一种结合密集卷积神经网络(DenseNet)和压缩激励(SE)模块的新网络(DSAMNet),该网络融合了二者优势,既加强特征重用,又实现特征提取过程中的特征重标定。根据SE模块嵌入DenseNet的不同位置,提出了模型SE-DenseNet-A、SE-DenseNet-B和SE-DenseNet-C。对SE-DenseNet的池化函数进行改进,提出了模型DSAMNet-A、DSAMNet-B和DSAMNet-C。综合不同结构和不同深度的网络模型在公开数据集CBIS-DDSM上进行训练和测试。实验结果表明,DSAMNet-B有更加优异的性能,其准确率比DenseNet模型的准确率提高了10.8%,AUC达到了0.929。 相似文献