全文获取类型
收费全文 | 312篇 |
免费 | 13篇 |
专业分类
公路运输 | 49篇 |
综合类 | 78篇 |
水路运输 | 148篇 |
铁路运输 | 47篇 |
综合运输 | 3篇 |
出版年
2024年 | 2篇 |
2023年 | 24篇 |
2022年 | 21篇 |
2021年 | 18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 | 18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325条查询结果,搜索用时 31 毫秒
141.
针对以周期修为主的维修模式存在效率低下、灵活性差、作业时间长等问题,将接触网系统状态作为考察变量,对维修计划进行优化。建立高速铁路接触网状态评价体系,构建接触网状态退化模型,结合谱分析结果刻画接触网系统状态退化过程,进而实现接触网系统状态维修。经实际线路分析验证,所述模型能准确描述接触网状态退化趋势,在保障接触网系统安全性的同时可有效降低维修成本,提高接触网维修管理水平。 相似文献
142.
143.
接触网隔离开关是牵引供电系统中的重要设备,其运行可靠性对于整个牵引供电系统的安全运行有着重要意义。隔离开关故障原因具有多样性与随机性,对不同故障进行及时有效识别存在一定的难度。文章针对隔离开关运行中机械特性,对其电机电流与输出扭矩间存在的关系进行推导,找出它们之间的二次函数关系,证明电机电流可以用以表征隔离开关的运行状态。通过搭建起电机电流采集系统,采集到一定量的电机电流信号,应用分形维数定理对电机电流进行特征提取,在一定程度上实现了对隔离开关机械故障的识别、分类,为接触网隔离开关故障诊断提供了一个新的思路。 相似文献
144.
145.
牵引供电系统是高速电气化铁路的重要组成部分,其运行状态直接决定了高速铁路的安全和效益,但牵引供电系统故障是不可避免的。为确保牵引供电系统安全稳定运行和增强供电的可靠性和连续性,需要一种优质的牵引供电运行状态检测与故障分析系统,对其故障类别进行快速、正确的识别。本文主要介绍了如何改进牵引供电运行信号的数据采集方式,包括信号进行预处理和提取信号特征值,提出了利用数学统计学中的偏度与峰度概念对牵引供电特征信号进行特征提取的新方法,并对提取结果进行比较,以达到对牵引供电运行系统故障检测的目的。 相似文献
146.
根据多分类器组合原理,提出一种基于神经网络的多分类器组合模型.该模型首先使用基于贯穿码特征的分类器对字符分类,然后,由基于投影特征的分类器对经过上一级分类器分类后的字符进行识别.试验表明,该模型能有效提高光学字符识别率. 相似文献
147.
基于向量空间模型的文本自动分类系统的研究与实现 总被引:9,自引:0,他引:9
分析了文本自动分类的关键理论及技术,给出一个已实现的基于向量空间模型(VSM)的文本自动分类系统的框架模型,重点描述此系统的实现算法.此算法在训练阶段通过部分训练集确定向量的特征提取维数,并提出一种“平均值”匹配阈值调整方法,从而在精度和效率方面优于传统的分类算法.实验表明此系统查准率为91.8%,查全率为85%。 相似文献
148.
一种交互式脸部网格模型调整算法 总被引:5,自引:0,他引:5
脸部网格模型的建立是基于人脸合成技术中的关键步骤。提出一个半交互式正面人脸模型调整算法。首先利用区域增长法和模板匹配自动确定图像中人脸及各特征区域的大致位置,然后交互地提取人脸特征点的准确二维位置,最后自动确定脸部姿态和调整模型非特征点,即获得输入人脸模型。该算法简便实用,费时较少,具有实用价值。 相似文献
150.
传统的数据特征提取方法提取数据特征后不能完全保有数据原有特征,导致方法只能应用于低维度数据特征提取,方法的可行性差。针对以上问题,研究舰船网络数据库中海量数据特征提取方法。设计以神经网络为基本结构的降噪自动编码器,通过编码器对数据库数据降噪。利用基于主成分分析的数据降维算法对数据降维,之后根据数据库中数据的关联性提取数据特征,完成对特征提取方法的研究。设计与传统数据特征提取方法的对比实验,实验结果证明研究的方法能够提取不同维度数据特征,并且应用提取数据特征进行分类时,平均正确率为93.85%,高出传统方法 22.39%,实用性更强。 相似文献