全文获取类型
收费全文 | 3544篇 |
免费 | 589篇 |
国内免费 | 447篇 |
专业分类
航空 | 1933篇 |
航天技术 | 844篇 |
综合类 | 212篇 |
航天 | 1591篇 |
出版年
2024年 | 62篇 |
2023年 | 188篇 |
2022年 | 172篇 |
2021年 | 201篇 |
2020年 | 182篇 |
2019年 | 166篇 |
2018年 | 138篇 |
2017年 | 106篇 |
2016年 | 136篇 |
2015年 | 161篇 |
2014年 | 166篇 |
2013年 | 148篇 |
2012年 | 229篇 |
2011年 | 254篇 |
2010年 | 232篇 |
2009年 | 185篇 |
2008年 | 228篇 |
2007年 | 206篇 |
2006年 | 198篇 |
2005年 | 218篇 |
2004年 | 131篇 |
2003年 | 127篇 |
2002年 | 113篇 |
2001年 | 124篇 |
2000年 | 75篇 |
1999年 | 45篇 |
1998年 | 58篇 |
1997年 | 45篇 |
1996年 | 46篇 |
1995年 | 41篇 |
1994年 | 40篇 |
1993年 | 34篇 |
1992年 | 36篇 |
1991年 | 25篇 |
1990年 | 29篇 |
1989年 | 14篇 |
1988年 | 10篇 |
1987年 | 4篇 |
1986年 | 4篇 |
1985年 | 2篇 |
1982年 | 1篇 |
排序方式: 共有4580条查询结果,搜索用时 31 毫秒
131.
132.
133.
134.
近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络(CNN)和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN(更快的基于区域的卷积神经网络)的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000 上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。 相似文献
135.
针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。 相似文献
136.
近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。 相似文献
137.
138.
139.
140.
随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波(CDKF)变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉(CI)融合方法,但是这类方法需要寻优求解。而快速协方差交叉(FCI)则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。 相似文献