全文获取类型
收费全文 | 6499篇 |
免费 | 93篇 |
专业分类
公路运输 | 3046篇 |
综合类 | 766篇 |
水路运输 | 1500篇 |
铁路运输 | 1181篇 |
综合运输 | 99篇 |
出版年
2024年 | 27篇 |
2023年 | 109篇 |
2022年 | 81篇 |
2021年 | 152篇 |
2020年 | 121篇 |
2019年 | 75篇 |
2018年 | 40篇 |
2017年 | 51篇 |
2016年 | 76篇 |
2015年 | 150篇 |
2014年 | 285篇 |
2013年 | 369篇 |
2012年 | 515篇 |
2011年 | 504篇 |
2010年 | 354篇 |
2009年 | 395篇 |
2008年 | 417篇 |
2007年 | 378篇 |
2006年 | 280篇 |
2005年 | 288篇 |
2004年 | 261篇 |
2003年 | 235篇 |
2002年 | 173篇 |
2001年 | 159篇 |
2000年 | 167篇 |
1999年 | 113篇 |
1998年 | 111篇 |
1997年 | 124篇 |
1996年 | 101篇 |
1995年 | 74篇 |
1994年 | 81篇 |
1993年 | 68篇 |
1992年 | 68篇 |
1991年 | 51篇 |
1990年 | 54篇 |
1989年 | 75篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1986年 | 1篇 |
1985年 | 2篇 |
1965年 | 4篇 |
1955年 | 1篇 |
排序方式: 共有6592条查询结果,搜索用时 15 毫秒
231.
232.
针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法.首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响.实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率. 相似文献
233.
234.
235.
236.
高云超 《铁路通信信号工程技术》2021,(1):76-79
青岛地铁11号线采用的是国内自主研发的自动列车监控系统(ATS),ATS系统作为一个综合信息监控系统的实现平台,以通信前置机作为通信枢纽,与时钟系统、乘客信息系统、广播系统、综合监控系统、无线系统等实现接口.现结合现场实际运行数据,采用UltraEdit文本编辑工具对通信前置机的日志进行检索、分析,通过系统后台的日志分... 相似文献
237.
基于支持向量机的发动机气路故障预诊断 总被引:2,自引:0,他引:2
为实现航空发动机气路故障在线预诊断,分析了地空数据链系统中发动机气路参数报文的协议格式,建立了基于支持向量机算法的发动机气路参数在线预测模型。以便携式地空数据链收发系统为硬件基础,构建发动机报文并行处理系统,获取建模所需的训练样本。利用最终误差预报准则确定样本数据嵌入维数,实现时序样本数据的相空间重构。提出自适应网格搜索法优化支持向量机建模参数,获得气路参数在线预测模型,与航路飞机建立地空数据链通信,预测气路参数趋势。预测结果表明:参数低压转子转速、高压转子转速、尾气温度与燃油流量的相对预测误差分别为2.5%、2.1%、1.9%与2.3%,因此,支持向量机模型具有较高预测精度。 相似文献
238.
支持向量机增量学习算法研究 总被引:15,自引:0,他引:15
给出了使用多支持向量机进行增量学习的算法.传统的支持向量机不具有增量学习性能,而常用的增量学习方法各具有不同的优缺点,基于固定划分和过间隔技术,提出了使用多支持向量机进行增量学习的算法;使用此算法,针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验,结果表明,使用单一的支持向量机进行增量学习,不论采用过间隔还是固定划分技术,其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。 相似文献
239.
针对目前交通量预测中所广泛采用的基于经验风险最小化的BP网络易于陷入局部最优解等缺点,介绍了一种新的预测方法——基于结构风险最小化的SVMR交通量预测模型,经实践证明能够较好地解决道路交通量预测问题。 相似文献
240.
为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法(Adaptive Lasso)进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明:Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效. 相似文献