全文获取类型
收费全文 | 305篇 |
免费 | 12篇 |
专业分类
公路运输 | 48篇 |
综合类 | 78篇 |
水路运输 | 146篇 |
铁路运输 | 42篇 |
综合运输 | 3篇 |
出版年
2024年 | 2篇 |
2023年 | 24篇 |
2022年 | 15篇 |
2021年 | 14篇 |
2020年 | 16篇 |
2019年 | 24篇 |
2018年 | 13篇 |
2017年 | 13篇 |
2016年 | 23篇 |
2015年 | 15篇 |
2014年 | 10篇 |
2013年 | 3篇 |
2012年 | 13篇 |
2011年 | 10篇 |
2010年 | 10篇 |
2009年 | 16篇 |
2008年 | 12篇 |
2007年 | 20篇 |
2006年 | 16篇 |
2005年 | 12篇 |
2004年 | 11篇 |
2003年 | 7篇 |
2002年 | 7篇 |
2001年 | 3篇 |
2000年 | 1篇 |
1999年 | 4篇 |
1998年 | 2篇 |
1997年 | 1篇 |
排序方式: 共有317条查询结果,搜索用时 171 毫秒
81.
针对锥类零件锥度的测量,提出了基于计算机视觉技术的新的测量方法,阐述了视觉测量系统设计技术与实现方法,并就图像采集、摄像机标定、特征提取、问题求解以及会聚双目成像系统测量结果精度等问题进行了分析. 相似文献
82.
基于瞬时频率二次特征提取的辐射源信号分类 总被引:2,自引:0,他引:2
提出了基于瞬时频率二次特征提取的雷达辐射源信号分类方法.首先利用改进的瞬时自相关算法提取信号的瞬时频率特征.在此基础上,对所获得的瞬时频率进行级联归一化处理,提取分类特征向量.最后,采用层次决策方法实现自动分类.仿真结果表明,该方法提取的特征向量具有较好的类间分离性,整体信号分类方案在信噪比不低于6dB时,可获得90%以上的分类准确率. 相似文献
83.
特征提取是目标识别过程中的关键步骤,针对连续波多普勒体制雷达, 将语音信号处理的方法应用于雷达目标识别,设计了一种新的特征提取的算法,同时论述了特征提取的全过程,并给出了部分代码。 相似文献
84.
水中目标水压场信号特征提取与检测研究 总被引:4,自引:1,他引:4
利用目标信号功率主要集中在低频部分的特点,用功率谱估计方法提取低频信号的能量作为特征,提出了所谓的浮动阈值方法,对信号滑动地进行目标检测.通过对实验船模水压场信号进行检测验证。讨论了在各种不同情况下,目标信号的特征提取及目标检测方法的效果,验证了该方法的有效性. 相似文献
85.
针对采用手工选择特征点能够保证特征点的均匀分布,但是自动化程度低而且耗时的问题,提出一种自动获取亚像素角点的新算法.该方法采用一种由粗到精的多层次检测策略,先采用SUSAN算法对角点粗定位,在此基础上用Forstner算子对角点精确定位.实验证明:文中的算法不仅保证SUSAN算法的灵活性和Forstner算子的亚像素级精度,而且速度快,并且对噪声具有鲁棒性.特征点的选择过程无须人工干预,完全自动化.算法克服了手工选择特征点耗时及自动化程度低的问题,而且能提取某些特殊性质的角点,具有自动自适应检测性能和较强的实用性. 相似文献
86.
提出了一种基于自适应神经模糊推理系统(ANFIS)的特高压输电线路故障分类识别方法,以分类识别10种常见的输电线路故障.该方法以故障后1个工频周期内故障电流分量的标准差和四分位距作为故障分类识别的特征量.分析了噪声和谐波对这2个特征量的影响;建立了基于ANFIS的故障分类识别模型.大量仿真试验表明:提出的故障分类识别方法能快速、准确地识别各类故障,并且不易受故障初始角、故障位置和过渡电阻的影响,对噪声、谐波、电流互感器传变特性及采样频率有良好的适应性,分类识别正确率能达到99.5%. 相似文献
87.
88.
89.
90.
无人驾驶汽车在行车过程中,需要通过视觉感知和听觉感知来构建当前周围环境模型,声学事件检测是听觉感知系统构建模型的核心所在。行车环境下声学事件检测系统面临着复杂而强烈的噪声挑战,尤其是行车过程中的风噪。声学事件检测中,常用的声学特征梅尔频率倒谱系数(MFCC)对噪声干扰十分敏感,为了解决这一问题,提出一种谐波梅尔频率倒谱系数(HMFCC)的鲁棒性声学特征提取算法,用于声学事件的目标分类。该算法通过声学信号的谐波模型与MFCC算法相结合,提取目标声学信号中的共振峰频率,改进传统Mel滤波器组,从而增强HMFCC中目标声学信号的中高频分量。研究结果表明:在不同的风噪环境下,基于HMFCC声学特征的检测结果具有较高的精准率和召回率,且在低噪和强噪环境下HMFCC和MFCC之间分类效果差异明显;低噪环境下,几种声学事件的HMFCC特征分类的平均精准率和召回率分别达到82.66%、84.15%,而基于MFCC特征分类检测的平均精准率和召回率只有73.93%、74.61%;随着风噪增强,MFCC特征分类精度严重下降,平均精准率和召回率仅为54.15%、44.95%,HMFCC特征在强噪环境下的平均精准率和召回率为72.16%、69.87%。行车环境下,HMFCC特征不仅可以提高分类的准确率,而且表现出对噪声不敏感的特性。 相似文献