全文获取类型
收费全文 | 214篇 |
免费 | 38篇 |
国内免费 | 60篇 |
专业分类
航空 | 139篇 |
航天技术 | 60篇 |
综合类 | 30篇 |
航天 | 83篇 |
出版年
2024年 | 3篇 |
2023年 | 8篇 |
2022年 | 14篇 |
2021年 | 18篇 |
2020年 | 17篇 |
2019年 | 16篇 |
2018年 | 16篇 |
2017年 | 18篇 |
2016年 | 14篇 |
2015年 | 13篇 |
2014年 | 14篇 |
2013年 | 15篇 |
2012年 | 13篇 |
2011年 | 14篇 |
2010年 | 10篇 |
2009年 | 13篇 |
2008年 | 6篇 |
2007年 | 8篇 |
2006年 | 15篇 |
2005年 | 7篇 |
2003年 | 7篇 |
2002年 | 8篇 |
2001年 | 7篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1998年 | 4篇 |
1997年 | 5篇 |
1996年 | 3篇 |
1995年 | 3篇 |
1994年 | 5篇 |
1993年 | 4篇 |
1992年 | 4篇 |
1991年 | 5篇 |
排序方式: 共有312条查询结果,搜索用时 390 毫秒
1.
针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题,提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先,对源图像进行潜在低秩表示分解(DLatLRR),得到相应的低秩部分、显著部分及稀疏噪声。然后,分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合,舍弃二者的稀疏噪声。最后,对融合得到的低秩部分和显著部分进行图像重建,得到最终的融合图像。实验结果表明:与其他算法进行比较,所提算法能够对图像的深层次细节特征进行融合,突出场景中的感兴趣区域,且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升,提升最大值分别为0.73、0.15、0.11,噪声产生率的最大缩减值为0.041 2。 相似文献
2.
3.
由多个尽可能多样化的分类器(前馈神经网络)组成的多分类器系统(MCS)能够显著地提高单个分类器的分类或推广能力.受MCS基本思想的启发,将集成引入到双向联想记忆快速学习(QLBAM)中,构建出一个BAM集成,旨在提高存储容量和纠错性能的同时,不破坏每个成员BAM的简单结构.计算机仿真表明,选择合适的"过剩生产与挑选并存"策略,即"稀疏算法"后,所提出的BAM集成在存储容量和抗噪声性能两个方面都显著优于单个QLBAM. 相似文献
4.
5.
飞行振动环境随机试验模拟的载荷等效 总被引:1,自引:0,他引:1
研究飞行振动环境载荷地面试验模拟的等效性问题。基于模态质量的振型叠加方法应用于结构随机振动的响应分析,导出了随机振动载荷等效的一般表达式。针对小阻尼稀疏模态结构,得出了随机振动载荷等效的一种工程设计方法,并通过数值模拟验证了方法的可行性。 相似文献
6.
介绍了稀疏孔径成像系统的发展现状。重点介绍了系统的成像原理和种类,国外的研究进展以及系统实现的关键技术和应用前景。 相似文献
7.
8.
针对北斗卫星导航系统(BDS)钟差预报产品无法满足高精度快速服务需求的现状,提出了一种基于BDS-2/BDS-3联合估计的超快速卫星钟差预报优化策略。区别于传统两步法预报模型,利用稀疏建模方法一步求解所有模型项,并通过BDS-2/BDS-3星间相关性实现了模型系数解的增强;为进一步降低模型残差的影响,基于残差序列时空相关性,利用半变异函数重构了模型估计的权阵。为验证提出的钟差预报模型,设计了12套对比方案,实验结果表明:基于稀疏建模的钟差模型参数一步估计可略微提高钟差预报精度;通过引入星间相关性对随机模型进行精化,钟差序列一步建模可分别将BDS-2与BDS-3卫星钟差18h预报精度提升28.6%与27.2%;基于半变异函数建模的模型残差相关性提取,可实现BDS-2与BDS-3预报钟差精度8.0%与11.1%的提升。因此,提出的优化策略对当前北斗超快速卫星钟差预报产品精化具有重要意义。 相似文献
9.
舒忠正 《南京航空航天大学学报》1994,26(2):216-221
介绍KBGML语言的设计思想,它包括KBGML各语句功能和格式的设计,特别是知识处理语句的设计,KBGML的解释系统的结构和工作原理的设计以及应用实例等。KBGML语言以知识处理为核心,具有第四代语言的特征,它有很强的知识处理能力,能自动构造和管理知识库。它具有较高的软件设计水平,能满足不同水平用户的需要,它还具有自然性、灵活性和领域通用性。KBGML语言是知识工程、语言编译和数据库管理等技术的集成体,它是一个在理论上和实用上很有研究价值的课题。 相似文献
10.
Kanerva的稀疏分布存贮模型由于对寻址地址采用了稀疏编码,对数据采用了分布式存贮,从而解决了大维数向量的输入问题,SDM实际上是一个由输入层,中间层和输出层组成的三层前向网络,其中神经元间的互迦权值在输入层与中间层是预置的(用矩阵A表示),中间层与输出层的连接权阵C由外积法得到,文中假定在相同的学习规则下,就信噪比意义而言,A的均匀预置能使SDM获得最优性能,从而为A的预置提供了理论依据。 相似文献