全文获取类型
收费全文 | 82篇 |
免费 | 2篇 |
专业分类
电工技术 | 2篇 |
综合类 | 9篇 |
化学工业 | 17篇 |
金属工艺 | 4篇 |
机械仪表 | 10篇 |
能源动力 | 1篇 |
轻工业 | 16篇 |
石油天然气 | 11篇 |
武器工业 | 1篇 |
无线电 | 8篇 |
一般工业技术 | 1篇 |
冶金工业 | 1篇 |
自动化技术 | 3篇 |
出版年
2023年 | 1篇 |
2022年 | 2篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2017年 | 1篇 |
2016年 | 3篇 |
2013年 | 3篇 |
2012年 | 5篇 |
2011年 | 1篇 |
2009年 | 7篇 |
2007年 | 6篇 |
2006年 | 7篇 |
2005年 | 3篇 |
2004年 | 3篇 |
2003年 | 4篇 |
2001年 | 3篇 |
2000年 | 9篇 |
1999年 | 3篇 |
1995年 | 1篇 |
1994年 | 1篇 |
1993年 | 3篇 |
1992年 | 5篇 |
1989年 | 3篇 |
1987年 | 6篇 |
1983年 | 1篇 |
1982年 | 1篇 |
排序方式: 共有84条查询结果,搜索用时 421 毫秒
81.
82.
83.
84.
为快速、准确地判断小麦籽粒的霉变程度,研究基于太赫兹时域光谱技术,结合支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和极限学习机(extreme learning machine,ELM)的霉变小麦定性分析方法。首先,将小麦籽粒分为正常、轻度霉变、中度霉变和重度霉变4类,利用CCT-1800太赫兹时域光谱仪获取小麦样本在0.1~4.0 THz波段的光谱数据。对比采用不同光谱预处理方法对判别结果的影响后,使用主成分分析、线性判别分析(linear discriminant analysis,LDA)、t分布随机近邻嵌入3种方法对光谱数据进行降维,结果表明LDA的降维效果最好。最后,构建基于SVM、RF和ELM的小麦霉变程度判别模型,结果显示SVM的判别效果最好,当核函数选择多项式核、误差惩罚系数为1时,判别准确率高达98.61%,预测集均方根误差值为0.142 9。本研究表明利用太赫兹光谱技术可实现小麦霉变程度的准确检测,为食品安全和粮食贮藏检测提供一种检测手段。 相似文献