全文获取类型
收费全文 | 11545篇 |
免费 | 425篇 |
国内免费 | 688篇 |
专业分类
系统科学 | 849篇 |
丛书文集 | 416篇 |
教育与普及 | 260篇 |
理论与方法论 | 87篇 |
现状及发展 | 55篇 |
综合类 | 10991篇 |
出版年
2024年 | 125篇 |
2023年 | 408篇 |
2022年 | 426篇 |
2021年 | 468篇 |
2020年 | 340篇 |
2019年 | 341篇 |
2018年 | 171篇 |
2017年 | 235篇 |
2016年 | 265篇 |
2015年 | 335篇 |
2014年 | 620篇 |
2013年 | 594篇 |
2012年 | 567篇 |
2011年 | 658篇 |
2010年 | 619篇 |
2009年 | 745篇 |
2008年 | 835篇 |
2007年 | 650篇 |
2006年 | 548篇 |
2005年 | 497篇 |
2004年 | 420篇 |
2003年 | 400篇 |
2002年 | 377篇 |
2001年 | 346篇 |
2000年 | 262篇 |
1999年 | 203篇 |
1998年 | 215篇 |
1997年 | 176篇 |
1996年 | 168篇 |
1995年 | 114篇 |
1994年 | 109篇 |
1993年 | 86篇 |
1992年 | 61篇 |
1991年 | 60篇 |
1990年 | 68篇 |
1989年 | 53篇 |
1988年 | 38篇 |
1987年 | 32篇 |
1986年 | 8篇 |
1985年 | 5篇 |
1984年 | 1篇 |
1982年 | 4篇 |
1980年 | 1篇 |
1962年 | 1篇 |
1957年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 31 毫秒
991.
992.
针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维图像作为输入样本集;建立多尺度特征融合卷积神经网络模型(MFCNN),该模型利用三层二维卷积核实现图像样本不同尺度特征的充分提取,构建多尺度特征融合单元对不同层级特征进行融合,并通过全连接等操作完成模型的训练;将样本集输入到MFCNN模型中实现脑电信号特征自适应提取及端到端分类。所提SSVEP-MF方法能够充分提取信号各层级特征,实现短时间视觉刺激下SSVEP信号的有效识别,并具有较高的目标识别效率。实验结果表明,在1 s刺激时长时,相比传统功率谱密度分析方法、典型相关分析方法以及普通卷积结构方法,所提方法的识别准确率分别提升了18.57%、20.08%及7.03%,有效提高了基于稳态视觉诱发电位范式下脑机接口的信号识别性能。 相似文献
993.
基于88814条POI数据, 并借助自组织映射网络(SOFM网络), 对深圳市城市土地利用的功能进行分析和识别, 并与中国基本城市土地利用类型制图(EULUC-China)进行比较验证。结果表明: 1) 深圳市城市街区尺度呈现功能混合的特征, 主要分为第二产业和生产性服务业主导、交通设施主导、居住+第二产业及生产性服务业+商业服务业设施混合、居住+公共管理和服务混合以及商业+公共管理和服务混合5类空间用地。2) 基于SOFM网络的用地功能识别模型, 结果更为细致, 混合功能用地的分类更能突出地域特征。 相似文献
994.
空间目标的相对位置与姿态探测是航天器对接领域的研究重点,探测方法主要分为遥测法和光学测量法两大类.其中,后者依靠其速度快、稳定性高、信息量大等优势,成为了近距离位姿探测的主要方法.我们通过双目视觉模型可计算出空间合作目标上特征光点深度信息,再根据特征光点间已知的结构、尺寸等约束信息,实现对目标姿态的解算.本文依据PSD相较于CCD和CMOS传感器,有无需图像特征提取过程、响应速度快、位置分辨率高等优势,且双目立体视觉系统的仿生学结构可直接获取到探测目标的深度信息,提出了采用双PSD视觉模型,并配合特征光点的亮度与顺序联合调制实现对空间合作目标的位姿探测方法.实验结果表明,当光标靶姿态调整±30°时,系统的平均测量误差为2.541°,当姿态角小于15°时,俯仰角和偏航角的平均偏差分别为0.923°和0.563°;大于15°时,受限于光源发散角度的影响,俯仰角和偏航角平均偏差分别增加至4.566°和4.106°,系统能够快速、稳定解算光标靶的空间位姿. 相似文献
995.
情绪识别作为计算机视觉的一项基本课题已经取得很大进展,然而在无约束自然场景中的情绪识别仍具挑战性.现有方法主要是利用人脸、姿态以及场景信息识别情绪,但是忽略了人物个体在场景中的不确定性,以及不能很好地挖掘场景中的情绪线索.针对现有研究存在的问题,提出了基于人物与场景线索的双分支网络结构,两个分支独立学习,通过早期融合得到情绪分类结果.对于人物在场景中的不确定性,引入身体注意力机制预判人物情绪置信度进而获得人体的特征表示,场景中引入空间注意力机制和特征金字塔以便充分获得场景中不同粒度的情绪线索.实验结果表明,此方法有效融合人物与场景信息,在EMOTIC数据集下能够明显提高情绪识别率. 相似文献
996.
融合场景及交互性特征的多人行为识别 总被引:1,自引:0,他引:1
人类的行为复杂多样,场景、外观、位置等信息均与行为息息相关.本文针对如何高效地综合利用这些信息的问题,提出了融合场景及交互性特征的多人行为识别方法,使用双通道的方式分别提取个体外观特征与场景特征.对于个体通道,采用注意力机制模块来关注与行为相关度更大的区域,并将提取的个体外观特征结合位置特征输入图卷积网络进行关系推理.其中,图卷积网络采用了余弦相似度的方法度量个体特征之间的相关性,并结合个体之间的位置特征进行关系推理;对于场景通道,使用在place365数据集上预训练的ResNet 50提取场景特征.最后,本文将个体以及场景通道所得的特征进行加权融合,得到群组以及所有个体的行为识别结果.在Collective Activity Dataset(CAD)数据集上的实验表明,该方法能提高行为识别的准确率,群组行为以及个体行为的准确率分别达到了92.29%与78.19%. 相似文献
997.
【目的】针对城市建设空间快速扩张、绿色空间破碎化且逐渐丧失问题,探寻优化城市绿色基础设施体系的有效方法,为市域尺度绿色基础设施体系构建提供科学的依据。【方法】以南京市为研究对象,运用形态学空间格局分析(MSPA)法,以土地利用类型图为基础,识别南京市现有绿色空间中核心区、边缘、孤岛、桥接、环、穿孔、分支等7类重要景观类别。通过斑块面积计算和连通性指数评价,发掘具有生态潜力的绿色基础设施网络中心,并计算最小成本路径生成潜力廊道,结合现有核心区、潜力节点、现有廊道、潜在廊道构建未来南京市绿色基础设施网络体系。【结果】通过MSPA法,识别出南京市绿色基础设施核心面积为538.16 km2,占研究区域总面积的37.57%,其中综合筛选出一级网络中心16个,二级网络中心24个。基于阻力模型构建生态廊道73条,其在长江以南地区分布较密,重要性等级较高,长江以北区域生态廊道数量较少,重要性等级有待提升。【结论】MSPA法具有数据量少、便于可视化等特点,能够为市域尺度绿色基础设施构建提供生态特征较为精确的景观要素识别结果,有效增强绿色基础设施的系统性和结构性。根据南京市绿色基础设施网络构建结果,建议加强南京市域长江以北网络中心和廊道的建设,提高长江以南网络中心和廊道质量,从而提升全市域的生态功能。 相似文献
998.
为实现白龙浮标数据按照标准格式全要素参与国际交换,设计了从浮标数据测量、卫星传输、岸站接收、实时数据质量控制、云服务器存储到FTP数据上传中国气象局的数据传输链路;采用WMO推荐的标准BUFR格式对原始数据进行格式转换和重新编报,并按照全球通信系统(GTS)的规则进行封装和编发,实现了白龙浮标气象和海洋观测数据实时向GTS的分发共享,全球用户可以通过GTS收集数据并进行分拣后,按照报头识别并解码得到白龙浮标实时数据。白龙浮标成为我国第一个实时数据共享到GTS的锚系浮标,表明我国锚系浮标数据提供能力达到世界先进水平。 相似文献
999.
随着人工智能与深度学习的发展,基于深度学习的多通道脑电信号的情绪识别研究逐渐受到关注,但多通道脑电情绪识别信号复杂且各通道重要性一致,并不能高效且有针对性地进行脑电情绪识别。为此,该文提出一种基于缩放卷积层和脑电通道增强模块的情绪识别方法,能直接在脑电物理通道上进行增强学习。首先,通过缩放卷积层提取多通道脑电情绪信号的类时频特征;然后,通过脑电通道增强模块对所有脑电物理通道重新赋予不同的重要性;最后,利用卷积神经网络对情绪进行分类。该方法能够融合多通道脑电信号的时间和频率信息,同时,通过输出各脑电通道的重要性,探究不同情绪维度与脑电通道之间的关系。在DEAP数据集上进行了实验验证,不同脑电通道对情绪识别任务的重要性存在差异,其中,额叶区和枕叶区的C4、 P4、 P3、 PO4、 F7 5个脑电通道重要性相对较高,该情绪识别方法在愉悦度、唤醒度和支配度3个情绪维度上的识别准确率也均有提升。 相似文献
1000.
针对传统坐姿识别系统中传感器数量多和系统较复杂导致成本过高等问题,设计一种基于少量体压传感器和支持向量机(SVM)算法的坐姿识别方法.首先,设计一种由少量薄膜压力传感器构成的体压传感阵列,将其置于坐垫内部;然后,利用该传感阵列采集不同坐姿的体压数据,并绘制相应的体压分布等高线图;最后,以体压数据作为特征向量,结合支持向量机算法建模,以实现坐姿分类自动识别.测试结果表明:少量体压传感器也能获取不同坐姿的体压分布特征;SVM坐姿分类模型在熟悉样本下的坐姿识别准确率达98.3%,在陌生样本下的坐姿识别准确率达92.5%. 相似文献