全文获取类型
收费全文 | 2945篇 |
免费 | 185篇 |
专业分类
公路运输 | 1361篇 |
综合类 | 695篇 |
水路运输 | 546篇 |
铁路运输 | 459篇 |
综合运输 | 69篇 |
出版年
2024年 | 66篇 |
2023年 | 215篇 |
2022年 | 212篇 |
2021年 | 232篇 |
2020年 | 137篇 |
2019年 | 98篇 |
2018年 | 37篇 |
2017年 | 50篇 |
2016年 | 58篇 |
2015年 | 75篇 |
2014年 | 121篇 |
2013年 | 120篇 |
2012年 | 153篇 |
2011年 | 159篇 |
2010年 | 157篇 |
2009年 | 179篇 |
2008年 | 174篇 |
2007年 | 150篇 |
2006年 | 97篇 |
2005年 | 108篇 |
2004年 | 104篇 |
2003年 | 91篇 |
2002年 | 57篇 |
2001年 | 69篇 |
2000年 | 40篇 |
1999年 | 24篇 |
1998年 | 21篇 |
1997年 | 23篇 |
1996年 | 18篇 |
1995年 | 19篇 |
1994年 | 14篇 |
1993年 | 14篇 |
1992年 | 9篇 |
1991年 | 10篇 |
1990年 | 7篇 |
1989年 | 12篇 |
排序方式: 共有3130条查询结果,搜索用时 15 毫秒
971.
从GSM到3G网络,中国的通信业在过去十年中得到了飞速的发展。现在,新一代的移动通信技术TD-LTE已经向我们走来。随着网络数据业务能力的高速增长,移动通信已经从话音通信、数据通信、移动互联网发展到了物联网,网络通信基础设施正在把人、计算机、社会及世界万物连接在一起。同时,移动业务的概念也已经从在终端移动的情况下保持通信 相似文献
972.
973.
完整的交通路网数据是实现智能交通系统的前提,故本文提出一种基于图自编码-生成对
抗网络的方法对路网中缺失数据进行修复。首先,通过降噪图变分自编码器提取路网缺失数据
的时空特征,使其能最大程度捕获原始路网信息;其次,基于该时空特征利用生成对抗网络生成
路网数据,加入重建损失并优化生成对抗网络的目标函数,实现对缺失数据的有效插补;最后,采
用西雅图(Seattle)和加州(PEMS04)路网速度数据集,针对不同缺失类型和缺失率下的数据修复进
行对比实验。当随机缺失率在 10% ~70%时,Seattle 数据集的 MAE 指标在 2.38~3.25 之间,
PEMS04 数据集的 MAE 指标在 1.46~2.38 之间;当聚集缺失率在 10%~70%时,Seattle 数据集的
MAE指标在2.51~2.82之间,PEMS04数据集的MAE指标在1.52~1.54之间。对比结果表明,本文
提出的路网数据修复方法均优于BP、DSAE、BGCP等模型。 相似文献
974.
975.
大数据时代的到来导致简单机器学习所建立起来的单一模型往往不能充分挖掘大样本数据所承载的丰富信息,同时在学习能力上也略显不足.在此背景下,文中将旋转森林算法(rotation-forest, ROF)与极限学习机(extreme learning machine, ELM)相结合,构建一个基础神经元单元,然后通过栈式泛化原理进行逐层构建,形成一种快速保持源域空间特征的深度学习模型(D-R-ELM).D-R-ELM由多个基础神经元构成,这些基础神经元通过一种特殊的栈式构造方式,既保证了较好的学习能力,同时也减少了训练成本.实验结果表明:D-R-ELM的深层结构模型,在大样本数据上相比于Adaboosting、Bagging、ELM、ROF和Rotboost传统分类器表现出更好的分类性能、稳定性与泛化性能. 相似文献
976.
北街水道桥是广中江高速公路跨越江门市北街水道的一座桥跨组合为(60+150+380+150+60)m的特大斜拉桥,为双塔中央双索面预应力混凝土箱梁斜拉桥,0#块长30m,顶板宽40.8m,底板宽21.6m,箱梁中心线处高度为4.0m。主梁为单箱五室结构,采用C55高性能混凝土。0#块采用支架现浇施工,分两次浇筑,水平分层,支架形式为钢管柱贝雷梁。实践表明:北街水道桥主梁0#块施工技术保证了现浇支架的安全可靠,混凝土配合比及混凝土的后期科学养护有效控制了混凝土裂缝的产生;整个施工过程安全高效。 相似文献
977.
宋树胜 《城市轨道交通研究》2018,(1):143-146
介绍了综合监控系统的特点,以及综合监控系统深度集成火灾报警系统应用方案的集成架构及主要特点。分析了深度集成模式对综合监控系统的影响。综合监控系统深度集成火灾报警系统方案,突破了火灾报警系统独立设置的局限性,构建了一套适合地铁特点的综合监控防火保障体系。 相似文献
978.
传统的高排放移动源识别方式是将采集的尾气数据与预先设定的排放阈值进行比较判
定,但是,排放阈值的设定很大程度上取决于人为标准,并且忽视了外部因素对尾气排放的影响,
无法真正反映移动源排放水平。针对此问题,本文结合机器学习算法,提出一种基于深度特征聚
类的高排放移动源识别方法。首先,利用随机森林算法筛选出不同污染物(CO、HC、NO)排放的
主要影响特征;其次,对多维影响特征进行聚类分析,获取高排放类别标签;最后,训练得到基于
深度森林的移动污染源分类模型,自动识别高排放目标源。通过对比实验,在合肥市机动车污染
遥测数据集上验证了所提方法的有效性。 相似文献
979.