全文获取类型
收费全文 | 12400篇 |
免费 | 2329篇 |
国内免费 | 1576篇 |
专业分类
电工技术 | 722篇 |
技术理论 | 1篇 |
综合类 | 1493篇 |
化学工业 | 589篇 |
金属工艺 | 325篇 |
机械仪表 | 1174篇 |
建筑科学 | 1526篇 |
矿业工程 | 302篇 |
能源动力 | 279篇 |
轻工业 | 406篇 |
水利工程 | 729篇 |
石油天然气 | 387篇 |
武器工业 | 135篇 |
无线电 | 2024篇 |
一般工业技术 | 1135篇 |
冶金工业 | 169篇 |
原子能技术 | 54篇 |
自动化技术 | 4855篇 |
出版年
2024年 | 338篇 |
2023年 | 999篇 |
2022年 | 1159篇 |
2021年 | 1006篇 |
2020年 | 792篇 |
2019年 | 747篇 |
2018年 | 388篇 |
2017年 | 494篇 |
2016年 | 554篇 |
2015年 | 672篇 |
2014年 | 860篇 |
2013年 | 698篇 |
2012年 | 855篇 |
2011年 | 871篇 |
2010年 | 797篇 |
2009年 | 777篇 |
2008年 | 829篇 |
2007年 | 690篇 |
2006年 | 578篇 |
2005年 | 482篇 |
2004年 | 362篇 |
2003年 | 301篇 |
2002年 | 216篇 |
2001年 | 174篇 |
2000年 | 139篇 |
1999年 | 110篇 |
1998年 | 85篇 |
1997年 | 64篇 |
1996年 | 54篇 |
1995年 | 44篇 |
1994年 | 28篇 |
1993年 | 20篇 |
1992年 | 31篇 |
1991年 | 23篇 |
1990年 | 21篇 |
1989年 | 20篇 |
1988年 | 9篇 |
1987年 | 1篇 |
1986年 | 2篇 |
1985年 | 1篇 |
1984年 | 1篇 |
1983年 | 4篇 |
1982年 | 1篇 |
1981年 | 3篇 |
1980年 | 1篇 |
1951年 | 4篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
1.
磁声发射(MAE)是铁磁性材料磁化过程中产生的声发射信号,在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点,提出海鸥算法结合变分模态分解(SOA-VMD)的去噪方法,为克服海鸥算法求解过程中易陷入局部最优解问题,利用柯西变异算子产生随机迭代过程,使改进算法即柯西变异海欧算法(CVSOA)跳出早熟收敛。采用以幅值谱熵为适应度函数,优化VMD算法中分解模态个数K和二次惩戒因子α ![]()
![]()
两个参数,将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明,改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法,降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好,可靠性更高。 相似文献
4.
5.
实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20%,误检率降低了3%. 相似文献
6.
针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题,提出基于多尺度双线性卷积神经网络(MS-B-CNN)的车型精细识别模型。首先,对双线性卷积神经网络(B-CNN)算法进行改进,提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合,以提高特征表达能力;此外,还采用基于中心损失函数与Softmax损失函数联合学习的策略,在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心,在训练过程中新增加样本时,网络会约束样本的分类中心距离,以提高多角度情况下的车型识别的能力。实验结果显示,该车型识别模型在CompCars数据集上的正确率达到了93.63%,验证了模型在多角度情况下的准确性和鲁棒性。 相似文献
7.
8.
9.
针对利用经典高阶条件随机场模型进行点云分类时,由于海量节点和无向边导致的点云分类效率低的问题,提出一种结合多尺度体素和高阶条件随机场的点云分类方法.首先以多尺度体素代替海量离散点云作为无向图图模型节点,减少节点和无向边的数量;然后使用超体分割结果作为高阶团,并基于此设计了一种非监督分布性空间上下文作为高阶团特征向量,用于改善分类结果;最后结合构建的图模型和各阶特征向量,采用经典高阶条件随机场模型实现点云数据的自动分类.采用Oakland标准数据集作为实验数据,实验结果表明,该方法在有效地保证分类精度的前提下,高阶条件随机场点云分类模型的分类效率提高了5~10倍. 相似文献