全文获取类型
收费全文 | 277篇 |
免费 | 10篇 |
专业分类
公路运输 | 52篇 |
综合类 | 89篇 |
水路运输 | 112篇 |
铁路运输 | 32篇 |
综合运输 | 2篇 |
出版年
2024年 | 1篇 |
2023年 | 14篇 |
2022年 | 13篇 |
2021年 | 12篇 |
2020年 | 12篇 |
2019年 | 14篇 |
2018年 | 6篇 |
2017年 | 9篇 |
2016年 | 22篇 |
2015年 | 5篇 |
2014年 | 23篇 |
2013年 | 28篇 |
2012年 | 18篇 |
2011年 | 13篇 |
2010年 | 5篇 |
2009年 | 13篇 |
2008年 | 9篇 |
2007年 | 15篇 |
2006年 | 6篇 |
2005年 | 3篇 |
2004年 | 5篇 |
2003年 | 14篇 |
2002年 | 3篇 |
2001年 | 7篇 |
2000年 | 4篇 |
1998年 | 2篇 |
1997年 | 1篇 |
1996年 | 3篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有287条查询结果,搜索用时 15 毫秒
41.
道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性,使得传统基于道路分割的道路检测方法大多存在信息冗余,并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用 Meanshift均值漂移算法,通过空间内的概率密度呈梯形上升去寻找局部最优,并搜索属于同一模点的像素然后生成获得超像素块.然后利用 Meanshift算法获得的聚类超像素块进行多种子点区域生长,规范生长规则,克服不能得到封闭边界的缺陷,改进道路图像的分割效果.实验结果表明,本文提出的模型适用性强,相比于传统方法有效地提升了分割准确性和实时性,可准确识别出图像中的道路信息,确保车辆能够行驶在可行驶区域上. 相似文献
42.
针对传统K均值聚类算法在非均质路网划分应用中的不足,将路网连接性融入算法,解决其在路网划分应用中聚类结果不连续的问题.先使用最大最小距离算法确定初始聚类中心和路段差异性,并以聚类评价指标ANSK确定K值;然后统计连续时间间隔下路网划分结果的动态频数,合并和拆分不稳定的“噪声”路段,提高划分子区内路网的紧凑性.最后,基于现实路网中的车牌照自动识别实测数据,对改进的聚类方法进行了验证.将算法得到的划分效果与K均值聚类算法和Ncut算法进行对比,并对子区做宏观基本图分析.结果表明,改进后的K均值聚类算法在保证自身原有聚类优势下,可以有效实现连接性约束下的路网划分. 相似文献
43.
文畅平 《筑路机械与施工机械化》2011,28(1):85-88
提出了一种基于均值属性测度聚类分析的推土机柴油发动机故障诊断模型。模型以训练样本中各分类样本平均值表示其分类中心,建立各判别因子的未确知测度函数,然后计算单指标未确知测度和样本的均值属性测度,以样本均值属性测度进行等级判别;模型回判的正确率为100%。研究表明,该方法是一种用于推土机发动机工作状态分类和故障诊断识别的有效方法。 相似文献
44.
终端区空中交通管制运行品质综合评价 总被引:3,自引:0,他引:3
为定量评价繁忙终端区空中交通管制运行品质,以成都终端区为研究对象,针对单跑道终端区,建立了包括管制业务量、安全性能、效率性能、工作负荷及交通拥挤度的管制运行品质定量评价指标体系.根据专家意见选取20个相对独立的指标,给出了基于主成分分析法的综合评价方法.采集覆盖一周每日繁忙时段10:00~22:00的84个样本,得到各时段的管制运行品质综合评价结果.经K-均值聚类分析及实际运行表明,本文方法可行,评价结果与实际情况相符.评价结论为终端区的运行策略优化提供了依据. 相似文献
45.
结合《公路沥青路面设计规范》(JTG D50-2017)对交通荷载参数的要求,通过收集安徽省多条高速公路主线收费站称重数据,采用均值法确定车辆类型分布系数、满载车比例、当量设计轴载换算系数等参数的当地代表值,并通过对比三个水平对路面结构损伤的影响,证明代表值选取的合理性。 相似文献
46.
1中国A股码头上市公司指数走势2013年1―2月,全国规模以上港口完成货物吞吐量16.1亿t,同比增长11.2%,其中:外贸货物吞吐量5.3亿t,同比增长10.5%;内贸货物吞吐量10.8亿t,同比增长11.6%。同期全国规模以上港口完成集装箱吞吐量2792万TEU,同比增长9.5%。中国A股码头上市公司指数第一周(3月4―8日)均值为37.6点,第二周(3月11―15日)均值为36.8点,第三周(3月18―22日)均值为36.7点,第四周(3月25―29日)均值为36.9点。 相似文献
47.
48.
49.
K-均值算法聚类速度快,易于实现,且对数据依赖度低,在文本聚类中得到广泛应用.然而,由于聚类初始中心点选择的随机性,传统K-均值算法以及其变种的聚类结果会产生较大的波动.文章对K-均值算法进行了改进,通过自适应选择最佳密度半径进而优化聚类初始中心选择的方法,得到一种适合文本数据聚类分析的改进算法.实验表明,该算法能够生成质量较高而且波动性较小的聚类结果. 相似文献
50.
针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果. 相似文献