全文获取类型
收费全文 | 151篇 |
免费 | 32篇 |
国内免费 | 24篇 |
专业分类
电工技术 | 25篇 |
综合类 | 10篇 |
化学工业 | 3篇 |
金属工艺 | 5篇 |
机械仪表 | 14篇 |
建筑科学 | 10篇 |
矿业工程 | 8篇 |
能源动力 | 11篇 |
轻工业 | 3篇 |
水利工程 | 7篇 |
石油天然气 | 8篇 |
武器工业 | 2篇 |
无线电 | 24篇 |
一般工业技术 | 4篇 |
冶金工业 | 1篇 |
原子能技术 | 1篇 |
自动化技术 | 71篇 |
出版年
2024年 | 3篇 |
2023年 | 15篇 |
2022年 | 15篇 |
2021年 | 18篇 |
2020年 | 12篇 |
2019年 | 10篇 |
2018年 | 11篇 |
2017年 | 5篇 |
2016年 | 8篇 |
2015年 | 8篇 |
2014年 | 10篇 |
2013年 | 7篇 |
2012年 | 10篇 |
2011年 | 9篇 |
2010年 | 21篇 |
2009年 | 14篇 |
2008年 | 2篇 |
2007年 | 9篇 |
2006年 | 1篇 |
2005年 | 5篇 |
2004年 | 2篇 |
2003年 | 1篇 |
2002年 | 1篇 |
2001年 | 2篇 |
2000年 | 4篇 |
1996年 | 1篇 |
1992年 | 1篇 |
1987年 | 2篇 |
排序方式: 共有207条查询结果,搜索用时 15 毫秒
141.
142.
143.
目的 为了能在光照变化、动态背景干扰这一类复杂场景中实时、准确地分割出运动前景,针对传统的基于颜色特征和基于像素的方法的不足,提出一种在颜色属性空间进行区域直方图建模的运动目标检测方法。方法 首先将RGB颜色空间映射到更为稳健的低维颜色属性空间,以颜色属性为特征在像素的局部范围内建立直方图,同时记录直方图每一个分区中像素的空间信息,使用K个空间直方图构成每个像素的背景模型,每个直方图根据其匹配度赋予不同的权重。降维的颜色属性提高了模型的鲁棒性和检测的时效性,空间直方图引入的位置信息提高了背景模型的准确性。然后通过学习率αb和αω来控制各模型直方图及其权重的更新,以提高模型的适应性。在标准测试数据集的所有视频序列中进行了实验,通过分析综合性能指标(F1)及平均假阳性(FN)曲线,确定了算法中涉及参数的合理取值范围。结果 对实验结果定性和定量的分析表明,本文方法能够得到良好的前景检测效果,尤其在多模态场景和光线变化的复杂场景中能显著提高检测性能。各类场景的平均综合性能指标(average F1)相比性能突出的方法ViBe、LOBSTER(local binary similarity segmenter)和DECOLOR(detecting contiguous outliers in the low-rank representation)分别提高了0.65%、3.86%和3.9%,并通过GPU并行加速实现运动目标的实时检测。结论 在复杂视频环境下的运动目标检测中,相比已有方法,本文方法能够更为准确地分割出运动前景,是一种实时、有效的检测方法,具有一定的实用价值。 相似文献
144.
145.
头形对细长体超空泡生成与外形影响的实验研究 总被引:5,自引:0,他引:5
在水洞中对具有非流线形头形的轴对称细长体模型进行了空泡系列实验研究。发现了非流线形头形细长体的空化起始仅决定于空化数,并在一定的空化数下具有稳定的起始位置、脱体角和空化区域;圆锥系列头形(包括圃盘与不同直径系列)细长体可以生成3种稳定的空泡基本形态:局部附体空泡、模型体尾部闭合超空泡和模型体尾部之后闭合超空泡,超空泡的基本外形为椭球体;圆锥系列头形生成的超空泡,在相同空化数下,超空泡的相对长度与长细比均随着锥顶角或直径的增大而增大;在相同的空泡相对长度或长细比下,随着锥顶角或直径的增大,对应的空化数也增大;具有攻角的头形,改变了空泡的脱体角,使超空泡出现了一定程度的不对称性,但并不改变超空泡的基本形态。 相似文献
146.
147.
传统的基于区域特征图像融合方法的一个难点是各源图像最佳权值的分配问题。该文利用径向基神经网络与T-S模糊推理模型具有函数等价性的特点,设计了一种模糊推理神经网络实现基于区域特征的图像融合,并用遗传算法优化网络参数。该网络能够自适应地动态获取优化的图像融合权值参数。仿真实验表明该算法有效可行,通过与传统的基于区域特征的图像融合算法相比,融合性能得到明显改善。 相似文献
148.
为准确识别隔离开关发生的故障,并确定故障类型,保证电网的稳定运行,提出一种基于自主认知的深度时序聚类表示模型(Autonomous-cognition deep temporal clustering representation model,AC-DTCR)对隔离开关的故障进行诊断。在数据量少且类别标签信息不可用的情况下,时间序列聚类是非常好的无监督学习技术,而AC-DTCR模型集成了时间重建和K-means目标,为提高编码器的能力,提出一种假样本生成策略和辅助分类任务,改进集群结构,获得特定于集群的时间表示。根据高压隔离开关故障模拟试验得到的电机电流数据,使用AC-DTCR模型分成四个部分对试验数据进行训练。结果表明,该模型具有良好的分类性能,与传统的分类模型和时间序列聚类模型相比,有更高的准确率,可应用于电力设备故障诊断领域中。 相似文献
149.
150.