全文获取类型
收费全文 | 795篇 |
免费 | 42篇 |
国内免费 | 49篇 |
专业分类
系统科学 | 64篇 |
丛书文集 | 17篇 |
教育与普及 | 31篇 |
理论与方法论 | 10篇 |
现状及发展 | 9篇 |
综合类 | 755篇 |
出版年
2024年 | 8篇 |
2023年 | 27篇 |
2022年 | 38篇 |
2021年 | 32篇 |
2020年 | 25篇 |
2019年 | 31篇 |
2018年 | 12篇 |
2017年 | 22篇 |
2016年 | 25篇 |
2015年 | 34篇 |
2014年 | 55篇 |
2013年 | 55篇 |
2012年 | 54篇 |
2011年 | 59篇 |
2010年 | 47篇 |
2009年 | 49篇 |
2008年 | 54篇 |
2007年 | 58篇 |
2006年 | 48篇 |
2005年 | 34篇 |
2004年 | 20篇 |
2003年 | 16篇 |
2002年 | 10篇 |
2001年 | 7篇 |
2000年 | 11篇 |
1999年 | 7篇 |
1998年 | 10篇 |
1997年 | 10篇 |
1996年 | 3篇 |
1995年 | 6篇 |
1994年 | 5篇 |
1993年 | 1篇 |
1992年 | 3篇 |
1991年 | 2篇 |
1990年 | 2篇 |
1989年 | 3篇 |
1987年 | 2篇 |
1982年 | 1篇 |
排序方式: 共有886条查询结果,搜索用时 437 毫秒
131.
132.
针对Word中插入AutoCAD图形、快捷准确绘制箭头、使用拉伸(Stretch)命令时避免出现移动的情况、利用对象捕捉和在对象追踪快速定点、绘窗常用方法进行了阐述,提出如何提高绘图速度的方法及注意的问题,以提高绘图速度和工作效率。 相似文献
133.
基于残差比阈值的迭代终止条件匹配追踪稀疏分解方法 总被引:3,自引:0,他引:3
基于传统的迭代终止条件,应用匹配追踪(MP)稀疏分解方法分解高噪信号,研究了固定迭代次数及阈值迭代终止条件的不足.引入相邻残差之比,规格化相邻残差之差,减少了噪声的干扰,设计了残差比阈值迭代终止条件. 采用残差比阈值迭代终止条件,对高噪声超声信号进行稀疏分解,分解过程会根据噪声成分的水平自适应地终止迭代,克服了传统迭代终止条件无法选择迭代终止阈值的问题.理论推导与实验都证明了残差比阈值迭代终止条件具有很强的鲁棒性. 相似文献
134.
压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。 相似文献
135.
为了准确估计不同风速条件对单点源排放的污染物浓度时空分布、粒子抬升高度、污染物扩散范围产生的影响,本文使用以多相质点网格方法(Multi-Phase Particle-In-Cell,MP-PIC)为基础的拉格朗日粒子追踪模型对污染物扩散进行大涡仿真模拟。结果表明:低风速下,受污染源阻挡作用,污染源周边形成方柱绕流现象,污染物在下风方向分裂为两股,污染物随湍流作用在计算域内波动,且计算域内分裂状况始终存在。随着风速的增大,污染物分裂情况逐渐消失,且污染物扩散范围、粒子最大抬升高度随风速增大而减小。风速为2 m·s-1时,分裂的两股污染物之间距离为5-20 m,流场稳定时下风向1 000 m至1 300 m污染物最大数浓度为70-87个·m-3;风速为5 m·s-1时,分裂的两股污染物距离为2-10 m,流场稳定时下风向1 000 m至1 300 m污染物最大数浓度为212-300个·m-3;风速为10m·s-1时,分裂情况消失,流场稳定时下风向1 000 m至1 300 m污染物最大数浓度为407-502个·m-3。 相似文献
136.
137.
给出一种二维非均匀介质波场计算的渐近方法, 该方法基于Lagrangian Gaussian光束(简称LGB)系统的波场数值模拟, 利用任何一个非均匀介质的光束都是独立连续的, 完整的波场即为由所有这些Guassian光束叠加得到的原则构造数值方法, 并用数值结果验证了该方法的有效性. 相似文献
138.
139.
140.
张军 《吉首大学学报(自然科学版)》2012,33(4):83-86
压缩感知理论因为能以少量的采样精确地重构原始信号而得到广泛关注.通过在压缩感知的框架下研究小波域图像重构问题,提出了一类小波域的加权l1最小化方法.该方法不仅利用了信号稀疏性的先验信息,而且在重构模型中,通过对不同小波子带上的系数施加不同的权重,从而整合了图像小波域的结构信息,与经典的压缩感知算法相比具有更好的信号可恢复性.仿真实验结果表明,选用该方法能够以更少的采样得到同等精度的重构图像,验证了该方法的有效性. 相似文献