全文获取类型
收费全文 | 897篇 |
免费 | 48篇 |
国内免费 | 30篇 |
专业分类
测绘学 | 364篇 |
大气科学 | 36篇 |
地球物理 | 17篇 |
地质学 | 212篇 |
海洋学 | 53篇 |
天文学 | 2篇 |
综合类 | 259篇 |
自然地理 | 32篇 |
出版年
2024年 | 6篇 |
2023年 | 24篇 |
2022年 | 18篇 |
2021年 | 24篇 |
2020年 | 12篇 |
2019年 | 28篇 |
2018年 | 22篇 |
2017年 | 18篇 |
2016年 | 20篇 |
2015年 | 22篇 |
2014年 | 77篇 |
2013年 | 51篇 |
2012年 | 75篇 |
2011年 | 55篇 |
2010年 | 52篇 |
2009年 | 66篇 |
2008年 | 73篇 |
2007年 | 53篇 |
2006年 | 49篇 |
2005年 | 48篇 |
2004年 | 46篇 |
2003年 | 25篇 |
2002年 | 21篇 |
2001年 | 17篇 |
2000年 | 12篇 |
1999年 | 9篇 |
1998年 | 8篇 |
1997年 | 1篇 |
1996年 | 7篇 |
1995年 | 2篇 |
1994年 | 3篇 |
1993年 | 4篇 |
1992年 | 3篇 |
1991年 | 8篇 |
1990年 | 15篇 |
1988年 | 1篇 |
排序方式: 共有975条查询结果,搜索用时 250 毫秒
61.
企业监督处在集中学习党的十七大报告、《党章》及相关专题报告的基础上,结合实际,重点讨论和分析了企业监督工作存在的问题和不足,研究工作改进方向和措施。 相似文献
62.
63.
中共中央颁布的《建立健全教育、制度、监督并重的惩治和预防腐败体系实施纲要》(以下简称《纲要》),是党中央从实现全面建设小康社会奋斗目标和巩固党的执政地位的全局出发,为做好新形势下反腐倡廉工作作出的重大战略决策。完善惩防体系,建设“廉洁国土”,是国土资源系统贯彻落实《纲要》的迫切需要,也是国土资源系统切实加强党风廉政建设的迫切需要。要建设廉政国土,就必须建立健全着力于教育、制度、监督并重的惩治和预防腐败体系,从根本上解决“不想贪”、“不能贪”、“不敢贪”的问题,这是从源头上预防腐败,彻底根除腐败的必然选择。 相似文献
64.
2015年初,广西扶绥县国土资源局采取强有力措施,全力推进整治庸懒散奢专项活动,该局干部职工工作状态和精神面貌得到明显提高。一是召开动员会,对广大干部职工进行动员,要求每位职工要高度重视此次整治活动,把思想统一到作风建设上来,确保活动取得实效。二是加强集中学习,认真学习崇左市和扶绥县有关开展整治庸懒散奢专项行动的精神,并结合实际,学习广西国 相似文献
65.
<正>为使土地整治项目保质量、出效益,2014年以来,广西崇左市国土资源局通过"三个创新",积极打造阳光土地整治项目。一是创新监督模式。实行领导分县分包,每个副局长分别负责督促联系挂点县的在建土地整治项目,定期组织督促检查,同时委托会计事务所分阶段开展专项资金审查。 相似文献
66.
近日,宁陵县委、县政府结合该县实际,就加强违法占地违规建设("双违"),处理工作制定出台了《关于加强违法占地违规建设处理工作实施意见》(以下简称《实施意见》),以进一步加强"双违"处理工作,规范城乡建设秩序,完善防违治违长效管理机制,形成严查严控违法建设合力,全面加快宁陵城市建设。《实施意见》确立了"属地管理,分工负责;严明纪律,奖惩分明;全民参与,社会监督"的总原则,对住建、房管、 相似文献
67.
传统基于深度卷积神经网络的场景分类方法往往需要大量标记样本用于模型的参数训练,在标记训练集数量有限的情况下,学习得到的特征泛化能力降低.针对这一问题,本文提出了高分影像分类的半监督深度卷积神经网络学习方法(3sCNN),采用自学习半监督策略,训练阶段不断增加训练样本:首先,通过有限的标记数据对深度网络进行初步训练;然后,利用经过初步训练的网络对未标记数据进行预测,得到未标记样本的预测标签及其对应的置信度;最后,将具有高置信度的未标记样本作为真实标记数据加入到训练集中,继续对网络进行训练并重复上述过程.为验证算法的有效性,本文在3个常用数据集上进行试验,试验结果证明本文算法可以有效提高有限样本下高分影像场景分类精度. 相似文献
68.
69.
高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值。传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低。所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题。近年来,随着人工智能技术的飞速发展,采用机器学习方法实现高分辨率遥感影像解译已成为主流的研究方向。本文结合高分辨率遥感影像解译的典型任务,如目标检测、场景分类、语义分割、高光谱图像分类等,系统综述了5种代表性的机器学习范式。具体来说,本文分别介绍了不同机器学习范式的定义、常用方法以及代表性应用,包括全监督学习(如支持向量机、K-最近邻、决策树、随机森林、概率图模型)、半监督学习(如纯半监督学习、直推学习、主动学习)、弱监督学习(如多示例学习)、无监督学习(如聚类、主成分分析、稀疏表达)和深度学习(如堆栈自编码机、深度信念网络、卷积神经网络、生成对抗网络)。其次,深入分析五种机器学习范式的优缺点,并总结了它们在遥感影像解译中的典型应用。最后,展望了高分辨率遥感影像解译的机器学习发展方向,如小样本学习、无监督深度学习、强化学习等。 相似文献