全文获取类型
收费全文 | 48篇 |
免费 | 2篇 |
专业分类
电工技术 | 2篇 |
综合类 | 8篇 |
化学工业 | 6篇 |
金属工艺 | 4篇 |
机械仪表 | 6篇 |
建筑科学 | 9篇 |
能源动力 | 1篇 |
轻工业 | 1篇 |
水利工程 | 3篇 |
无线电 | 4篇 |
一般工业技术 | 1篇 |
冶金工业 | 1篇 |
自动化技术 | 4篇 |
出版年
2024年 | 1篇 |
2022年 | 1篇 |
2021年 | 1篇 |
2020年 | 2篇 |
2019年 | 2篇 |
2018年 | 3篇 |
2017年 | 1篇 |
2015年 | 1篇 |
2014年 | 1篇 |
2013年 | 3篇 |
2012年 | 6篇 |
2011年 | 2篇 |
2010年 | 5篇 |
2009年 | 5篇 |
2008年 | 2篇 |
2006年 | 4篇 |
2005年 | 1篇 |
2002年 | 1篇 |
2001年 | 2篇 |
1999年 | 1篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1990年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有50条查询结果,搜索用时 156 毫秒
41.
针对单模态特征鉴别行为动作类别的能力有限问题,提出基于RGB-D视频中多模态视觉特征融合和实例化多重核超限学习(Exemplars-MKL-ELM)的动作分类方法.首先,利用骨架表面拟合和密集轨迹提取稳健的密集运动姿态特征,以稠密点云法平面感知人体3维几何的稀疏化有向主成分直方图特征,提取外观纹理嵌入身体节点空-时邻域的三维梯度直方图特征.然后,采用半径边缘约束多重核超限学习机融合多模态视觉特征,并利用对比数据法挖掘每个行为类别的代表性实例集合.最后,每个样本结合融合视觉特征和即得实例集合,采用Exemplars-MKL-ELM模型和贪婪预测思想分层分类识别行为.实验表明,文中方法在分类准确度和计算效率上都较优. 相似文献
42.
PCCP具有制作机械化程度高、现场施工便捷、接头密封性好、挠曲度大、可承受高内水压和高外压、抗震、无电蚀、使用寿命长等特点 ,是世界上公认的最有效的非金属压力管材。因而在欧美、日本等一些发达国家和地区已广泛应用。大口径PCCP在国内还是第一次应用 ,特别是在上海地区的软土地层中应用更无先例 ,通过在污水治理二期 2 .4标工程中试用获得成功 ,取得了第一手资料 ,积累了一些数据 ,为该工艺的进一步推广创造了条件。 相似文献
43.
44.
为有效标注室内场景的布局关系,提出一种由粗至精的空间布局估计方法.首先,采用局部不连续自适应阈值检测场景的长直线段,根据直线段的方向将其分为竖直和水平直线段;基于投票机制和正交准则估计垂直与水平消失点,由这两个消失点等角度间隔地引出成对射线生成场景候选布局.其次,采用VGG-16全卷积神经网络估计相应场景的几何上下文和信息化边界,采用softmax分类器决策其fc7层特征以获取布局类别,融合信息化边界和布局类别生成全局特征以粗选取场景候选布局.接着,基于VGG空间多尺度卷积神经网络估计相应场景的法向图和深度图以提取法向特征和深度特征.然后,利用消失点射线夹角参数化3D盒式布局模型,利用几何积分图聚集候选布局中的直线段成员、几何上下文、法向量和深度等区域级特征,采用割平面法学习结构化模型参数.最后,对候选布局的结构化预测得分进行排序,将得分最高者选取为最终空间布局.Hedau和LSUN数据集实验表明,该方法能获得空间布局的精准区域面划分个数和精确边界位置. 相似文献
45.
46.
47.
48.
为了快速消除双目立体匹配的歧义性,提出一种基于局部信息和分割、快速高效的两步立体匹配算法.首先分割彩色立体图像对,并基于改进的Geman-McClure函数得到初始匹配成本;在水平、垂直双方向上采用分割自适应权重方法,消除匹配特征的相似歧义,计算鲁棒匹配代价,择优选取初始视差.为了最优地分配遮挡等歧义区域,采用贪婪策略估计视差,包括不可靠视差检测、基于分割窄遮挡处理、基于极线最小二乘填充及基于映射的视差组合.实验结果表明,该算法结构简单、计算快速高效,能有效地消除匹配歧义,得到分段平滑、精度高的稠密视差图;可在临床医学疾病诊断应用中自动地为计算机辅助诊断系统提供可靠深度信息感知. 相似文献
49.
分析Hash函数的结构,建立了Hash函数的统一分析模型——分层分析模型。通过对算法关键模块和局部安全性的综合分析,达到Hash函数统一分析的目的,为实现Hash函数安全性分析的自动化奠定基础。 相似文献
50.
分析Hash函数的结构,建立了Hash函数的统一分析模型——分层分析模型。通过对算法关键模块和局部安全性的综合分析,达到Hash函数统一分析的目的,为实现Hash
函数安全性分析的自动化奠定基础。 相似文献