全文获取类型
收费全文 | 806篇 |
免费 | 145篇 |
国内免费 | 85篇 |
专业分类
航空 | 546篇 |
航天技术 | 191篇 |
综合类 | 96篇 |
航天 | 203篇 |
出版年
2024年 | 8篇 |
2023年 | 30篇 |
2022年 | 43篇 |
2021年 | 59篇 |
2020年 | 45篇 |
2019年 | 45篇 |
2018年 | 19篇 |
2017年 | 42篇 |
2016年 | 40篇 |
2015年 | 35篇 |
2014年 | 38篇 |
2013年 | 34篇 |
2012年 | 33篇 |
2011年 | 58篇 |
2010年 | 30篇 |
2009年 | 52篇 |
2008年 | 37篇 |
2007年 | 48篇 |
2006年 | 42篇 |
2005年 | 28篇 |
2004年 | 25篇 |
2003年 | 29篇 |
2002年 | 12篇 |
2001年 | 23篇 |
2000年 | 13篇 |
1999年 | 14篇 |
1998年 | 22篇 |
1997年 | 9篇 |
1996年 | 13篇 |
1995年 | 17篇 |
1994年 | 15篇 |
1993年 | 13篇 |
1992年 | 18篇 |
1991年 | 16篇 |
1990年 | 8篇 |
1989年 | 11篇 |
1988年 | 2篇 |
1987年 | 1篇 |
1986年 | 2篇 |
1985年 | 1篇 |
1984年 | 1篇 |
1983年 | 3篇 |
1981年 | 1篇 |
1979年 | 1篇 |
排序方式: 共有1036条查询结果,搜索用时 514 毫秒
741.
高光谱图像全局异常检测RFS-SVDD算法 总被引:5,自引:0,他引:5
针对SVDD用于高光谱图像全局异常检测时存在虚警率高的问题,提出RFS-SVDD算 法。RFS-SVDD将空间相邻且光谱相似的像元分为同一区域,根据区域大小将图像在空间上分 成潜在异常区域与背景区域,用背景区域中所有子区域的平均光谱RFS作为SVDD训练样本求 取支持向量。RFS是每个子区域中像元光谱的统计结果且不包含奇异像元,可以避免奇异像 元光谱和图像随机噪声对背景建模的影响。对HYMAP和AVIRIS图像数据的仿真结果表明:RFS -SVDD算法能抑制异常目标像元光谱和图像随机噪声对背景建模的干扰,降低SVDD用于高光 谱图像全局异常检测的虚警率。
相似文献
相似文献
742.
743.
讨论了先进复合材料力学性能数据库的特殊性和研制难点,提出了研制复合材料力学性能数据库目标范围、组织结构、组织层次、数据处理、具体内容、功能的具体要求和方法,形成了复合材料力学性能数据库的大体轮廓和框架. 相似文献
744.
745.
基于BiGRU-SVDD的ADS-B异常数据检测模型 总被引:1,自引:0,他引:1
广播式自动相关监视(ADS-B)作为新一代空管监视技术,由于采用明文方式广播发送数据,因而存在易遭受网络攻击的安全问题。为了准确检测ADS-B数据攻击行为,在充分考虑时间相关性的基础上,提出了针对ADS-B数据的异常数据检测模型。首先利用双向门控循环单元(BiGRU)神经网络预测ADS-B数据,得到了ADS-B数据预测值。再将预测值和实际值作差,将差值放入支持向量数据描述(SVDD)训练,得到了能检测ADS-B异常数据的超球体分类器。并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短BiGRU神经网络的训练时长。实验结果表明,BiGRU-SVDD模型能检测出随机位置偏移攻击、高度偏差攻击、重放攻击、拒绝服务(DOS)等攻击下的ADS-B异常数据。并且,与其他机器学习和深度学习方法相比,BiGRU-SVDD异常检测模型的准确率更佳,适应性更优。 相似文献
746.
747.
748.
小型航空发动机转子连接刚性分析与验证 总被引:1,自引:0,他引:1
某小型航空发动机在原理样机阶段存在整机振动大的现象,发动机试验时机匣上的最大振动监测值达179mm/s,严重影响发动机试验安全。通过对发动机的转子动力学设计和试验研究,找出转子连接刚性差是造成发动机振动大的关键原因。在验证机阶段设计中,对转子连接刚性进行了针对性改进。改进后的试验表明,发动机振动得到明显改善,最大振动监测值为33 mm/s,确保了发动机试验安全。 相似文献
749.
风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。 相似文献
750.