全文获取类型
收费全文 | 2484篇 |
免费 | 142篇 |
国内免费 | 60篇 |
专业分类
系统科学 | 255篇 |
丛书文集 | 156篇 |
教育与普及 | 74篇 |
理论与方法论 | 70篇 |
现状及发展 | 17篇 |
研究方法 | 1篇 |
综合类 | 2113篇 |
出版年
2024年 | 59篇 |
2023年 | 179篇 |
2022年 | 192篇 |
2021年 | 155篇 |
2020年 | 122篇 |
2019年 | 126篇 |
2018年 | 48篇 |
2017年 | 74篇 |
2016年 | 67篇 |
2015年 | 103篇 |
2014年 | 179篇 |
2013年 | 148篇 |
2012年 | 175篇 |
2011年 | 150篇 |
2010年 | 152篇 |
2009年 | 142篇 |
2008年 | 134篇 |
2007年 | 106篇 |
2006年 | 80篇 |
2005年 | 61篇 |
2004年 | 59篇 |
2003年 | 41篇 |
2002年 | 25篇 |
2001年 | 28篇 |
2000年 | 20篇 |
1999年 | 6篇 |
1998年 | 11篇 |
1997年 | 6篇 |
1996年 | 7篇 |
1995年 | 10篇 |
1994年 | 4篇 |
1993年 | 6篇 |
1991年 | 1篇 |
1990年 | 3篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1980年 | 2篇 |
排序方式: 共有2686条查询结果,搜索用时 437 毫秒
491.
基于动态RCS的无人机航迹实时规划方法研究 总被引:4,自引:1,他引:4
为了提高无人机的生存能力,针对不确定飞行环境的无人机航迹规划问题展开研究,提出了一种基于RCS的无人机航迹实时规划方法,建立了相关计算模型,提出合理的代价函数,并采用多阶段分析博弈评估算法对航迹进行优化。仿真结果表明,基于动态RCS的无人机航迹实时规划方法能够比较好的解决无人机的航迹规划问题。 相似文献
492.
基于ArcScan的遥感影像中水域信息快速提取方法 总被引:1,自引:0,他引:1
将遥感信息的动态性和地理信息系统的分析功能相结合,可以快速、准确地分析水域动态变化。作者在总结前人研究的基础上,提出了基于ArcScan自动矢量化水体边界、快速提取水域信息的方法,文章主要介绍了ArcScan模块、研究流程与具体的方法,并以安徽巢湖2个时期的水域信息提取为例,取得了很好的效果;实践表明,在遥感图像分类的基础上,基于ArcScan自动提取水域信息的方法获得底图要素,可以大大提高专题制图的质量、效率和灵活性。 相似文献
493.
494.
495.
无人机以其高度的灵活性和按需部署能力成为满足下一代蜂窝用户需求的一种潜在技术.为了适应不断变化的无线环境,解决基于无人机的传感器网络能量有限问题以及突破其能量限制对无线传感器网络性能约束的瓶颈问题,文中研究了一种基于无人机覆盖的无线传感器网络,通过综合考虑无人机吞吐量以及能耗,提出基于状态转移的无人机工作模式选择方案.... 相似文献
496.
497.
498.
Sentinel-1A卫星数据覆盖范围广、重访周期快、获取成本低,通过合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术能够高效获取管道沿线大面积地表形变信息。但是山区管道所处地形复杂、起伏大、植被茂盛,监测中易存在叠掩、阴影、失相干等现象,Sentinel-1A卫星数据在管道不同区段的适用性有差异。为了对Sentinel-1A在山区管道地表形变测量中的适用程度进行评价,本文以三段不同山区地形的管道为研究区,结合Sentinel-1A数据、Sentinel-2数据、ALOS DEM数据进行相关性分析,构建适用性评价指标。结果显示:管道沿线Sentinel-1A影像的叠掩阴影占总面积的比例与坡度的Pearson相关性为-0.914,Spearman相关性为-1,呈显著负相关;影像相干性和归一化植被指数的Pearson相关性为-0.972,Spearman相关性为-0.99,呈显著负相关。使用回归分析和归一化的方法建立了山区管道沿线Sentinel-1A数据的坡度适用性指标和植被适用性指标,指标可对山区管道沿线域使用Sentinel-1A数据进行形变监测的适用性进行评价。 相似文献
499.
为了提高无人机俯仰角故障数据处理和预测的精确性和可靠性,避免增加无人机试飞成本,利用长短期记忆网络(Long Short Term Memory,LSTM)、注意力机制+LSTM模型和差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)模型预测无人机试飞俯仰角故障数据。结果表明,ARIMA预测结果:MAE(Mean Absolute Error)=0.35,RMSE(Root Mean Square Error)=0.73,MAPE(Mean Absolute Percentage Error)=23.80%;LSTM模型预测结果:MAE=0.49,RMSE=0.74,MAPE=45.20%;注意力机制+LSTM模型预测结果:MAE=0.17,RMSE=0.53,MAPE=18.93%。可见注意力机制+LSTM模型比其余两种模型更适合于试飞俯仰角的数据预测,以上三种方法对无人机故障数据预测都具有实际意义,有效的预测可以推进自动飞行器和移动机器人的异常检测或外国直接投资研究的最新进展,以进一步提高自动和远程飞行操作的安全性。 相似文献
500.