全文获取类型
收费全文 | 57篇 |
免费 | 10篇 |
国内免费 | 1篇 |
专业分类
电工技术 | 1篇 |
综合类 | 5篇 |
化学工业 | 6篇 |
建筑科学 | 7篇 |
矿业工程 | 1篇 |
能源动力 | 10篇 |
轻工业 | 4篇 |
水利工程 | 2篇 |
石油天然气 | 2篇 |
无线电 | 18篇 |
一般工业技术 | 6篇 |
自动化技术 | 6篇 |
出版年
2024年 | 2篇 |
2023年 | 3篇 |
2022年 | 9篇 |
2021年 | 6篇 |
2020年 | 5篇 |
2019年 | 2篇 |
2018年 | 3篇 |
2017年 | 2篇 |
2016年 | 3篇 |
2015年 | 7篇 |
2014年 | 7篇 |
2013年 | 5篇 |
2012年 | 2篇 |
2011年 | 3篇 |
2010年 | 1篇 |
2009年 | 2篇 |
2008年 | 1篇 |
2006年 | 1篇 |
2005年 | 2篇 |
1999年 | 1篇 |
1997年 | 1篇 |
排序方式: 共有68条查询结果,搜索用时 31 毫秒
51.
目的 构建一种药瓶的分类及预测模型。方法 利用差分拉曼光谱和X射线荧光光谱对54个不同品牌和产地的塑料药瓶进行分析检验。结果 得到了54个样品的差分拉曼谱图及Cl、Ca、Ti、Fe、Zn等元素的含量。利用主成分分析对差分拉曼光谱数据进行降维,再利用系统聚类将降维后的数据分为8类,并以此为依据建立判别分析模型,最终判别模型经交叉验证可知准确率达到90.7%,多层感知器的分类准确率为100%,分类效果较好。结论 差分拉曼光谱可以根据谱图中的特征峰推断样品的分子结构,并且可以根据峰位对样品进行分类,并建立分析模型,X射线荧光光谱可以通过各元素的种类和含量的不同对样品进行区分,实现组内的细化。差分拉曼光谱和X射线荧光光谱可以分别从有机和无机的角度对药瓶进行分类,在分析上可以优势互补,可为公安机关实际办案探索出一种新的光谱联用角度和方法。 相似文献
52.
53.
为建立一种快速分类及认定案件现场的皮鞋鞋底物证的分类预测模型,采用X射线荧光光谱法(X-ray Fluorescence),工作模式,电压:50 kV,电流:200μA,测试时间:60 s的实验条件下对样品进行了分析,提取了55个皮鞋鞋底样品中的无机元素成分及含量。根据提取样品所含元素种类及含量进行系统聚类,以系统聚类结果作为建立了判别分析、RBF神经网络、MLP神经网络三种分类预测模型。最终,55个样品被分为5类,经验证,多层感知器神经网络的分类准确率相对较高,为94.4%。结果表明:该方法快速无损检材,操作简单,所建立的分类预测模型可以为公安实际办案提供新思路、新方法。 相似文献
54.
塑料是一种高分子聚合物,因其具有质轻、耐用、防水等特性广泛使用于食品包装与其他领域,因此在各类案件现场经常能够提取到塑料物证.目前检验塑料物证的方法很多,常用方法有感官法、着色法、燃烧法、光谱法、质谱法等.了解食品塑料包装材料的种类并进行检验分析,对食品安全检验和侦查破案具有一定的指导意义. 相似文献
55.
目的 建立一种快速、准确、无损的塑料打包带的检验及分类方法。方法 利用高光谱在波长为350~990 nm的条件下采集52个不同来源的塑料打包带样品的高光谱数据,并对样品进行Savitzky-Golay平滑处理,同时结合主成分分析对样品进行降维。将提取到的主成分进行K-Means聚类,以聚类结果为依据建立径向基函数神经网络(RBFNN)与BP神经网络模型(BPNN)。结果 打包带样品的高光谱谱图在400~500 nm、600~700 nm处有较大区别。实验共提取了5个初始特征值大于1的主成分,可以解释96.633%的原始数据。通过K-means聚类将塑料打包带样品分为6类,Calinski-Harabasz指数为28.76,RBFNN分类准确率为86.7%;BPNN分类准确率为98.1%,BPNN的分类效果更好。结论 研究表明神经网络在高光谱谱图分类处理上具有较高的准确度,同时也验证了高光谱在区分检验塑料打包带类物证的可行性与科学性,为公安机关提供了一种新的检验方法。 相似文献
56.
车联网(VANET:VehicleAd—hocNetwork)是物联网在汽车领域的一个应用,但是由于车辆的高速移动性,导致网络拓扑变化快,网络环境不稳定,传统的路侧设施(RSU:Road—SideUnit)与车载设备(OBU:On-BoardUnit)之间的C/S(客户端与服务器)架构不能为用户提供可靠的服务、本文提出一种在车联网环境中应用MP2P进行车辆间信息传输的架构,该架构采用半分布式的P2P结构,使同一路侧单元覆盖范围内的车辆进行资源共享,减小了路侧单元的带宽压力,从,而为用户提供了可靠的服务 相似文献
57.
58.
59.
60.