全文获取类型
收费全文 | 1988篇 |
免费 | 322篇 |
国内免费 | 171篇 |
专业分类
航空 | 905篇 |
航天技术 | 510篇 |
综合类 | 267篇 |
航天 | 799篇 |
出版年
2024年 | 48篇 |
2023年 | 168篇 |
2022年 | 188篇 |
2021年 | 188篇 |
2020年 | 123篇 |
2019年 | 107篇 |
2018年 | 41篇 |
2017年 | 46篇 |
2016年 | 59篇 |
2015年 | 62篇 |
2014年 | 62篇 |
2013年 | 93篇 |
2012年 | 98篇 |
2011年 | 101篇 |
2010年 | 113篇 |
2009年 | 123篇 |
2008年 | 119篇 |
2007年 | 106篇 |
2006年 | 91篇 |
2005年 | 92篇 |
2004年 | 63篇 |
2003年 | 45篇 |
2002年 | 44篇 |
2001年 | 45篇 |
2000年 | 39篇 |
1999年 | 39篇 |
1998年 | 32篇 |
1997年 | 42篇 |
1996年 | 23篇 |
1995年 | 23篇 |
1994年 | 14篇 |
1993年 | 9篇 |
1992年 | 6篇 |
1991年 | 12篇 |
1990年 | 2篇 |
1989年 | 4篇 |
1988年 | 2篇 |
1987年 | 1篇 |
1986年 | 3篇 |
1985年 | 2篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1979年 | 1篇 |
排序方式: 共有2481条查询结果,搜索用时 31 毫秒
901.
丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证;其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练;最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明:改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可为农作物面积监测和产量估算等实际应用提供基础数据支持。 相似文献
902.
随着人造卫星技术的不断发展,给民用探测带来了诸多便利的同时,也带来了越来越多的挑战。精确定位卫星的重要部件,对故障卫星和太空垃圾的准确抓捕和维修至关重要。文章提出基于深度监督的TransUNet(Deep Supervised TransUNet:DSTransUNet)对卫星目标、星体和太阳翼进行像素级的识别与分割。通过对TransUNet解码过程中多层神经网络特征图进行深度监督,提高可见光卫星图像的分割精度,并进一步通过仿真方法构建卫星部件图像数据集,使用交叉验证的方法对DSTransUNet及7种现有神经网络深度学习方法的分割精度进行了评估。文章提出的方法对卫星星体的分割准确率达到90.51%±6.86%,对卫星太阳翼的分割准确率达到91.63%±13.07%,对宇宙背景的分割准确率达到97.43%±2.85%,对数据集的总体像素分割准确率达到了97.08%±3.37%,其分割性能优于其他神经网络模型。 相似文献
903.
904.
905.
906.
采用非结构混合网格数值求解三维热化学非平衡Navier-Stokes方程组获得高超声速流场各组分气动热力学参数,并计算物面热流值。利用有限速率化学反应模型和二温度气体模型分别描述化学非平衡和热力学非平衡过程,通过Park振动——离解模型刻画化学非平衡和热力学非平衡耦合效应。无黏通量项采用AUSM格式离散;对无黏通量项和源项采用隐式时间推进格式,增强数值求解过程稳定性。数值算例表明,为得到正确的物面热流值,非结构混合网格边界层y+需减小至0.5,且网格增长率不超过1.4;采用元素摩尔数守恒关系式计算化学反应源项,可有效降低数值残差积累对计算小组分气体的不利影响,提高各气体组分计算准确度。 相似文献
907.
以Dick与Carey的系统教学设计模式与相关文献为主要理论基础,在"互联网+"环境上建构一门以系统观点探讨"飞行英语听说"的自我导向式课程,并在实际教学过程中,由学习者中辍率、参与程度、对教学方案的满意以及与对学习的帮助程度等指标,分析设计成果的成效及呈现的问题.结果显示学习者中辍率仅12%,多数学习者每周登录4-9... 相似文献
908.
909.
910.