全文获取类型
收费全文 | 138篇 |
免费 | 29篇 |
国内免费 | 23篇 |
专业分类
航空 | 81篇 |
航天技术 | 50篇 |
综合类 | 21篇 |
航天 | 38篇 |
出版年
2024年 | 2篇 |
2023年 | 7篇 |
2022年 | 10篇 |
2021年 | 7篇 |
2020年 | 8篇 |
2019年 | 10篇 |
2018年 | 10篇 |
2017年 | 7篇 |
2016年 | 7篇 |
2015年 | 4篇 |
2014年 | 9篇 |
2013年 | 6篇 |
2012年 | 10篇 |
2011年 | 10篇 |
2010年 | 6篇 |
2009年 | 12篇 |
2008年 | 13篇 |
2007年 | 8篇 |
2006年 | 7篇 |
2005年 | 9篇 |
2004年 | 3篇 |
2003年 | 3篇 |
2002年 | 5篇 |
2001年 | 1篇 |
2000年 | 3篇 |
1999年 | 4篇 |
1998年 | 2篇 |
1996年 | 1篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有190条查询结果,搜索用时 15 毫秒
31.
对素混凝土和聚丙烯腈纤维混凝土的抗疲劳性能、弯曲韧性和抗冲击性能进行了试验研究,并分析了聚丙烯腈纤维对机场道面分类值PCV的改善效果。结果表明,掺入聚丙烯腈纤维后,混凝土各项性能指标显著提高,道面PCV值增加8.4%,大大提高了机场道面的承载能力。 相似文献
32.
33.
34.
35.
约束条件的分类对于简化数学规划问题的求解具有重要意义,对于凸函数gi(x)(i=1,2,…,n)给出了约束gi(x)≤0是必要约束或多余约束的充要条件,对于一般约束,定义了约束相关矩阵,给出了约束是必要的或多余的充要条件,对相对多余约束给出了分类。 相似文献
36.
由于难于获得先验知识,样本可分性差,辐射源识别很难达到很高的识别率。结合AdaBoost算法和遗传算法,提出了一种模糊分类规则的迭代学习方法。在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类和拒识的样本。在规则学习的适应度函数中考虑训练实例的分布,使模糊分类规则在产生阶段就考虑相互之间的协作,改善了模糊分类规则的整体识别能力。辐射源识别实验结果表明,该方法具有良好的分类识别性能。 相似文献
37.
38.
39.
采用新的构造方法,把不规则分布的素数进行分类,即把单个素数a都同时表示成等距的区间[a,a+h](a为任意素数),在[a,a+h]中的元素为自然数,将[a,a+h]中对应位置有相同情况,或都是素数,或都不是素数的为同一等价类,其中每个[a,a+h]中至少有一个素数a,h取不同自然数时,分类方法不同,显然[a,a+h]的等价类的个数在h有限时是有限的,小于2h/2。 相似文献
40.
Hierarchical object oriented classification using very high resolution imagery and LIDAR data over urban areas 总被引:1,自引:0,他引:1
Yunhao Chen Wei Su Jing Li Zhongping Sun 《Advances in Space Research (includes Cospar's Information Bulletin, Space Research Today)》2009
Urban land cover information extraction is a hot topic within urban studies. Heterogeneous spectra of high resolution imagery—caused by the inner complexity of urban areas—make it difficult. In this paper a hierarchical object oriented classification method over an urban area is presented. Combining QuickBird imagery and light detection and ranging (LIDAR) data, nine kinds of land cover objects were extracted. The Spectral Shape Index (SSI) method is used to distinguish water and shadow from black body mask, with 100% classification accuracy for water and 95.56% for shadow. Vegetation was extracted by using a Normalized Difference Vegetation Index (NDVI) image at first, and then a more accurate classification result of shrub and grassland is obtained by integrating the height information from LIDAR data. The classification accuracy of shrub was improved from 85.25% to 92.09% and from 82.86% to 97.06% for grassland. More granularity of this classification can be obtained by using this method. High buildings and low buildings can, for example, be distinguished from the original building class. Road class can also be further classified into roads and crossroads. The comparison of the classification accuracy between this method and the traditional pixel-based method indicates that the total accuracy is improved from 69.12% to 89.40%. 相似文献