全文获取类型
收费全文 | 221篇 |
免费 | 26篇 |
国内免费 | 32篇 |
专业分类
测绘学 | 129篇 |
大气科学 | 37篇 |
地球物理 | 18篇 |
地质学 | 33篇 |
海洋学 | 18篇 |
天文学 | 2篇 |
综合类 | 28篇 |
自然地理 | 14篇 |
出版年
2023年 | 2篇 |
2022年 | 6篇 |
2021年 | 13篇 |
2020年 | 14篇 |
2019年 | 17篇 |
2018年 | 8篇 |
2017年 | 21篇 |
2016年 | 20篇 |
2015年 | 21篇 |
2014年 | 22篇 |
2013年 | 16篇 |
2012年 | 14篇 |
2011年 | 13篇 |
2010年 | 10篇 |
2009年 | 20篇 |
2008年 | 14篇 |
2007年 | 23篇 |
2006年 | 14篇 |
2005年 | 6篇 |
2004年 | 3篇 |
2003年 | 1篇 |
2002年 | 1篇 |
排序方式: 共有279条查询结果,搜索用时 15 毫秒
81.
82.
支持向量机在大气污染预报中的应用研究 总被引:1,自引:1,他引:1
支持向量机是基于统计学习理论的新一代机器学习技术,其非线性回归预测性能优越于传统统计方法。利用前一天该污染物的日均浓度、前一天地面平均风速等7个预报因子建立了基于RBF核函数支持向量回归法的大气污染预报模型,并利用十重交叉验证和网格搜索法寻找模型最优参数。乌鲁木齐大气预报实例表明:支持向量机显示出小样本时预报精度较高和训练速度快的独特优势,为空气质量预报提供一种全新的模式。 相似文献
83.
84.
基于GPS观测量的InSAR干涉图中对流层改正方法及其论证 总被引:3,自引:0,他引:3
利用一种站间和历元间的双差算法来计算InSAR结果的大气改正量.为了逐像素改正InSAR结果,引入自适应参数的支持向量机(SVM),利用稀疏的GPS站网上所获得的大气改正值回归估计未知像元上的对流层改正值.采用南加州GPS集成网络(SCIGN)数据验证了该方法的可行性. 相似文献
85.
真实图像和计算机生成图像的鉴别是数字图像盲取证中的一个重要问题。提出了一种真实图像和计算机生成图像的鉴别方法。借用模式识别中的二分类概念,采用图像质量评价量来建立模型,以捕获真实图像和计算机生成图像的统计差异,选用支持向量机作为分类器进行训练和测试。实验结果表明,该方法计算方便、实用性强、可靠性高。 相似文献
86.
基于波段选择的MODIS全国土地覆盖分类 总被引:1,自引:0,他引:1
以MODIS多光谱和多时相数据为输入参数进行了全国土地覆盖分类研究。从试验区2007年MODIS 8 d数据的合成影像(MOD 09)中提取EVI、NDWI和NDSI 3个指数,并将其作为特征波段与原有的7波段(B1~B7)形成10波段影像。以统计分类J-M距离平均值和SVM分类总精度为标准评价不同波段对土地覆盖分类的贡献。在全国范围内,选择贡献最大的EVI、B7和B4这3个波段的月合成值,并分别对其作PCA变换,选取各PCA变换后的前3个波段进行分类运算。研究结果表明,在没有其他辅助信息的境况下,基于MODIS贡献最大的前3个波段结合多时相信息能够在中分辨率区域土地覆盖分类中取得较好的分类结果,其精度为78.04%。 相似文献
87.
88.
针对高光谱影像分类问题,提出了一种显著性特征提取方法。首先,利用超像素分割算法将高光谱影像3个相邻波段分割为若干个小区域。然后,基于分割得到的小区域计算反映不同区域的显著性特征。最后,沿着光谱方向采用大小为3、步长为1的滑窗法获得所有波段的显著性特征。进一步将提取的显著性特征与光谱特征进行结合,并将结合后的特征输入到支持向量机中进行分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验。试验结果表明,与传统的空间特征提取方法和基于卷积神经网络的高光谱影像分类方法相比,提取的显著性特征能够获得更高的高光谱影像分类精度,且结合光谱特征能够进一步提高分类精度。 相似文献
89.
城市用地分类作为城市规划重要的基础和依据,对城市资源配置、建设发展等具有重要意义。现有研究对用地分类都聚焦于“稀路网、大街区”的大尺度区域,随着城市发展,大尺度区域的规划模式造成了城市交通效率低下、土地低效率开发等问题,而小尺度的城市街区建设规划为解决上述问题提供了一种新的思路。为了充分挖掘现有交通大数据的潜在价值,更以高效地服务小尺度街区规划,本文将主题模型与支持向量机(SVM)相组合,提出一种面向小尺度街区的用地分类方法。本文以上海市黄浦区人民广场附近为研究区域,依据精细路网对研究区域划分,通过对一周(7天)出租车GPS数据处理,结合区域兴趣点(POI)数据,基于隐含狄利克雷分布(LDA)模型和SVM模型进行用地分类。在人工解译的分类图的基础上对本文方法进行精度评价,并基于百度地图地理数据进行结果验证。研究表明本文方法基于现有的交通大数据,实现了对小尺度街区用地分类,方法分类精度较高,在一定程度上可以节约人力物力,以便更好地服务于小尺度城市规划。 相似文献
90.