全文获取类型
收费全文 | 18676篇 |
免费 | 520篇 |
专业分类
公路运输 | 5946篇 |
综合类 | 4675篇 |
水路运输 | 4226篇 |
铁路运输 | 3690篇 |
综合运输 | 659篇 |
出版年
2024年 | 175篇 |
2023年 | 534篇 |
2022年 | 670篇 |
2021年 | 765篇 |
2020年 | 582篇 |
2019年 | 479篇 |
2018年 | 180篇 |
2017年 | 282篇 |
2016年 | 363篇 |
2015年 | 551篇 |
2014年 | 794篇 |
2013年 | 826篇 |
2012年 | 1056篇 |
2011年 | 1126篇 |
2010年 | 925篇 |
2009年 | 1000篇 |
2008年 | 1567篇 |
2007年 | 1183篇 |
2006年 | 906篇 |
2005年 | 1001篇 |
2004年 | 661篇 |
2003年 | 639篇 |
2002年 | 611篇 |
2001年 | 559篇 |
2000年 | 313篇 |
1999年 | 184篇 |
1998年 | 164篇 |
1997年 | 148篇 |
1996年 | 151篇 |
1995年 | 130篇 |
1994年 | 163篇 |
1993年 | 149篇 |
1992年 | 87篇 |
1991年 | 87篇 |
1990年 | 115篇 |
1989年 | 48篇 |
1988年 | 11篇 |
1987年 | 3篇 |
1986年 | 5篇 |
1985年 | 1篇 |
1965年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 125 毫秒
621.
622.
考虑到地铁自动检票机组成复杂且故障形式多样,对其进行故障分析并以二参数威布尔分布为基础,提出一种基于混合威布尔分布的设备可靠性评估模型。为提高模型拟合精度,基于误差平方和最小思想构建非线性最小二乘参数优化估计模型并使用粒子群算法(PSO)进行最优参数求解。以南京地铁油坊桥车站自动检票机实际故障数据为例,进行实例验证。结果表明,基于PSO算法的混合威布尔分布可靠性评估模型优于传统单威布尔分布,其均方根误差、平均绝对百分比误差、皮尔逊相关系数均为最优。 相似文献
623.
624.
隧道洞口微气压波随列车运行速度提高显著提升,可能影响周围建筑及居民。隧道洞口微气压波与隧道内压力波首波压力梯度密切相关。根据实车测试数据,分析隧道内不同位置压力梯度,修正了辐射立体角模型(Radiation Solid Angle Model,RSA),给出模型关键参数空间立体角的取值方法。结果表明:列车以350 km/h通过无砟轨道隧道时,从隧道入口至隧道中心附近压力波首波压力梯度逐渐提高;采用随机森林方法分析RSA模型参数特征权重并修正模型,修正后的RSA模型相对原模型对隧道洞口微气压波压力峰值的计算精度更高。提出了采用无人机或测距仪等设备测量计算隧道洞口空间立体角的三种方法。 相似文献
625.
626.
针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法.首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息... 相似文献
627.
628.
基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法(ADASYN-XGBoost)。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法(adaptive synthetic oversampling method,ADASYN)来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明:与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)... 相似文献
629.
道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明:相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差ermse分别降低了8.7%、48.3%、53.1%、57.6%,误差em... 相似文献
630.