全文获取类型
收费全文 | 3043篇 |
免费 | 415篇 |
国内免费 | 254篇 |
专业分类
航空 | 1909篇 |
航天技术 | 545篇 |
综合类 | 346篇 |
航天 | 912篇 |
出版年
2024年 | 42篇 |
2023年 | 136篇 |
2022年 | 153篇 |
2021年 | 159篇 |
2020年 | 149篇 |
2019年 | 126篇 |
2018年 | 62篇 |
2017年 | 109篇 |
2016年 | 94篇 |
2015年 | 105篇 |
2014年 | 134篇 |
2013年 | 106篇 |
2012年 | 158篇 |
2011年 | 183篇 |
2010年 | 127篇 |
2009年 | 153篇 |
2008年 | 163篇 |
2007年 | 184篇 |
2006年 | 164篇 |
2005年 | 133篇 |
2004年 | 118篇 |
2003年 | 122篇 |
2002年 | 103篇 |
2001年 | 96篇 |
2000年 | 73篇 |
1999年 | 69篇 |
1998年 | 79篇 |
1997年 | 73篇 |
1996年 | 61篇 |
1995年 | 44篇 |
1994年 | 53篇 |
1993年 | 43篇 |
1992年 | 40篇 |
1991年 | 23篇 |
1990年 | 32篇 |
1989年 | 18篇 |
1988年 | 15篇 |
1987年 | 8篇 |
1986年 | 2篇 |
排序方式: 共有3712条查询结果,搜索用时 15 毫秒
101.
102.
103.
104.
针对5 kN发动机结构焊缝和复合材料喷管不可检不可测的难题,开展了工业CT检测技术研究。分析了复杂结构焊缝和复合材料喷管的常规方法检测难点,利用工业CT检测技术穿透能力强、不受工件复杂结构影响的优势,对5 kN发动机产品中的电子束焊缝、氩弧焊焊缝、复合材料喷管等结构进行了检测试验,得到了良好的检测效果。结果表明,工业CT检测技术可以识别5 kN发动机产品中的气孔、未焊透、分层、裂纹等缺陷,并实现对缺陷的定位与测量,可为焊缝质量评估提供依据。 相似文献
105.
卫星接收机自主完好性监测是指根据用户接收机的多余观测值监测用户定位结果的完好性,其目的是在导航过程中检测出发生故障的卫星,并保障导航定位精度。针对卫星接收机自主完好性监测算法可用性不足的问题,结合机载实际导航系统配置,提出了一种基于气压高度表辅助的机载自主完好性监测算法。综合利用卫星导航系统及气压高度表观测信息,建立联合系统的观测模型,推导了基于多解分离的完好性监测及保护级别计算方法。仿真结果表明,相比于传统的接收机自主完好性监测算法,该算法在可见星为5颗时仍能识别故障卫星。该算法具有更好的故障检测能力及可用性,能有效提高卫星导航系统的完好性监测性能,从而保证卫星导航系统的精度和可靠性。 相似文献
106.
107.
针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%. 相似文献
108.
109.
根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。 相似文献
110.
目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括:基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪. 相似文献