全文获取类型
收费全文 | 99篇 |
免费 | 16篇 |
国内免费 | 10篇 |
专业分类
电工技术 | 10篇 |
综合类 | 3篇 |
化学工业 | 5篇 |
金属工艺 | 1篇 |
机械仪表 | 9篇 |
建筑科学 | 15篇 |
矿业工程 | 4篇 |
能源动力 | 2篇 |
轻工业 | 1篇 |
水利工程 | 7篇 |
无线电 | 14篇 |
一般工业技术 | 4篇 |
冶金工业 | 1篇 |
自动化技术 | 49篇 |
出版年
2023年 | 3篇 |
2022年 | 2篇 |
2021年 | 5篇 |
2020年 | 10篇 |
2019年 | 12篇 |
2018年 | 8篇 |
2017年 | 3篇 |
2016年 | 5篇 |
2014年 | 13篇 |
2013年 | 7篇 |
2012年 | 6篇 |
2011年 | 6篇 |
2010年 | 2篇 |
2009年 | 5篇 |
2008年 | 7篇 |
2007年 | 6篇 |
2006年 | 7篇 |
2005年 | 3篇 |
2004年 | 5篇 |
2003年 | 3篇 |
2002年 | 3篇 |
2000年 | 2篇 |
1994年 | 2篇 |
排序方式: 共有125条查询结果,搜索用时 26 毫秒
11.
一种新型模糊-粗神经网络及其在元音识别中的应用 总被引:1,自引:0,他引:1
为度量模糊粗不确定性信息,引入了模糊粗隶属函数.基于模糊粗糙集理论构建了一种新型的模糊,粗神经网络(FRNN),该网络融合了模糊信息和粗糙信息的处理能力.对5个元音字母的语音识别进行测试,结果显示FRNN网络不仅训练速度快,而且分类性能优于BP网络、RBF网络和贝叶斯分类器. 相似文献
12.
粗糙集在图像边缘增强滤波中的应用 总被引:1,自引:1,他引:0
为使图像噪声滤除的同时,边缘细节信息能得到有效地保护,基于粗糙集理论介绍了一种新的边缘增强滤波方法。首先,基于粗糙集不可分辨等价关系划分,分离出噪声点和非噪声点,对噪声点通过中值滤波进行滤除,然后,通过粗近似精度和方向模板检测边缘的连续性和方向,以具有最大粗近似精度的模板的灰度均值取代中心像素点灰度。在所有进行边缘检测的滤波算法中,该算法是唯一边缘测度在多次迭代运行后不会减小的滤波方法,同时通过对不同噪声程度的椒盐噪声和高斯噪声的滤波实验,说明该方法在有效滤除噪声同时能使边缘细节得到保护和增强,且比其它传统的空域和频域滤波方法具有更好的噪声适应性。 相似文献
13.
研究了投加粉末活性炭并回流泥炭后高密度沉淀池对有机物的去除效果。结果表明:粉末活性炭回流后有机物的去除效果显著提高:CODMn平均去除率为43.66%,比未投加粉末活性炭工况的32%提高了近12个百分点,沉淀池出水平均CODMn为3.46mg/L,比未投加粉末活性炭时的4.13mg/L降低了约0.7mg/L;对比投炭前后沉淀池中底泥的微生物好氧速率,发现其微生物量的提高与有机物去除效果的变化一致,投加粉未活性炭提高了污泥中微生物量从而提高了有机物的去除率;通过GC-MS对半挥发性有机物的检测发现,投加粉末活性炭后的吸附作用对有机物的浓度有很好的去除效果但对有机物种类去除效果有限,而投炭后吸附以及随着投炭产生的微生物强化作用对有机物种类和浓度都有很好的去除效果。 相似文献
14.
15.
文章基于移动通信市场的发展现状。对中国电信进入移动通信市场的策略进行了研究,主要侧重于技术选择、差异化服务、地区战略和价格策略等方面。 相似文献
16.
17.
18.
目的 为了提高扫地机器人的自主性和智能化程度,为扫地机器人配备视觉传感器,使其获得视觉感知能力,通过研究有效的垃圾检测分类模型与算法,实现对垃圾的定位与识别,引导扫地机器人对垃圾进行自动识别与按类处理,提高工作的目的性和效率,避免盲动和减少能耗。方法 选择检测速度较快的YOLOv2作为主网络模型,结合密集连接卷积网络,嵌入深层密集模块,对YOLOv2进行改进,提出一种YOLOv2-dense网络,该网络可以充分利用图像的高分辨率特征,实现图像浅层和深层特征的复用与融合。结果 测试结果表明,智能扫地机器人使用本文方法可以有效识别不同形态的常见垃圾类别,在真实场景中,测试识别准确率为84.98%,目标检测速度达到26帧/s。结论 实验结果表明,本文构建的YOLOv2-dense网络模型具有实时检测的速度,并且在处理具有不同背景、光照、视角与分辨率的图片时,表现出较强的适应和识别性能。在机器人移动过程中,可以保证以较高的准确率识别出垃圾的种类,整体性能优于原YOLOv2模型。 相似文献
19.
20.
目的 硬币上的发行年份是判别硬币外观质量的一个重要信息,为了对流通中的欧元硬币进行准确清分,有必要对欧元硬币上的发行年份进行检测与识别。但由于欧元硬币年份数字位姿的不确定性、尺寸的非归一化、其他文字符号的干扰、数字排列方式的多样性使得利用计算机视觉算法实现欧元硬币年份的自动检测、识别与判读存在较大困难。本文针对欧元硬币年份检测与识别的特殊性,提出基于Faster-RCNN(faster-region convolutional neural network)模型的数字检测方法,以及基于聚类算法和先验规则的年份排序算法。方法 首先对训练数据进行增量化处理,例如旋转、缩放等方式极大地扩充训练样本的规模;然后重新训练Faster-RCNN网络模型,使其能够适应硬币中数字的各种位姿和尺寸变化;进而利用K-means聚类算法将获得的数字候选框聚成4类,选取每类中置信度最大的候选框;最后根据预先确定的不同国别硬币的年份排列方式,通过适当的排序算法即可得到正确的年份信息。结果 在自建的实验平台上对欧盟中的12个国家的5种较大币值的硬币进行采样获得4 429幅图像,按1 ∶1比例划分为训练样本和测试样本。实验表明,本文方法的年份检测识别准确率达到89.62%,计算耗时约215 ms,基本满足准确性和实时性要求。结论 本文算法具备实时、鲁棒、高精度的良好性能,具有较高的实际应用价值。 相似文献