全文获取类型
收费全文 | 2456篇 |
免费 | 461篇 |
国内免费 | 367篇 |
专业分类
测绘学 | 974篇 |
大气科学 | 383篇 |
地球物理 | 367篇 |
地质学 | 882篇 |
海洋学 | 305篇 |
天文学 | 15篇 |
综合类 | 223篇 |
自然地理 | 135篇 |
出版年
2024年 | 46篇 |
2023年 | 174篇 |
2022年 | 200篇 |
2021年 | 261篇 |
2020年 | 146篇 |
2019年 | 180篇 |
2018年 | 102篇 |
2017年 | 83篇 |
2016年 | 77篇 |
2015年 | 81篇 |
2014年 | 118篇 |
2013年 | 104篇 |
2012年 | 127篇 |
2011年 | 118篇 |
2010年 | 91篇 |
2009年 | 144篇 |
2008年 | 151篇 |
2007年 | 136篇 |
2006年 | 109篇 |
2005年 | 133篇 |
2004年 | 100篇 |
2003年 | 81篇 |
2002年 | 91篇 |
2001年 | 64篇 |
2000年 | 68篇 |
1999年 | 57篇 |
1998年 | 41篇 |
1997年 | 41篇 |
1996年 | 47篇 |
1995年 | 49篇 |
1994年 | 50篇 |
1993年 | 10篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1957年 | 1篇 |
排序方式: 共有3284条查询结果,搜索用时 14 毫秒
101.
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
102.
针对现有方法利用无人机影像对房屋目标进行检测的过程中存在错检、漏检率高等问题,构建了单阶段卷积神经网络来实施无人机影像房屋检测,并在德国宇航中心开源数据集(Deutsches Zentrum für Luft-und Raum fahrt,DLR)3KVehicle的基础上,采用多种数字图像增强手段对原始图像进行数据增强处理,提高训练后模型的泛化能力.在测试数据集上对训练后的网络进行测试,采用精度均值(Average Precision,AP)和每秒传输帧数(Frames Per Second,FPS)指标进行评价.并将检测结果与经典的目标检测模型单激发多盒探测器(Single Shot Multi-Box Detector,SSD)以及YOLOv3的检测结果进行对比.结果表明,所构建的卷积神经网络对于无人机影像中的房屋目标尤其是小目标有着较高的检测精度,检测精度可以达到91.3%AP,相比SSD和YOLOv3在精度方面提高了11.5%和8.3%.同时网络的检测速度可以达到每秒传输帧数21m·s-1,能够快速精确地检测出无人机影像中的房屋目标. 相似文献
103.
为提高条带开采地表下沉系数预测准确率,基于地表下沉系数影响因素具有一定相关性、不确定性以及非线性的复杂现象,建立基于主成分分析的遗传算法(Genetic Algorithm,GA)优化的神经网络GA-BP智能预测模型.利用遗传算法对BP神经网络(Back Propagation Neural Network)的初始权值和阈值进行优化处理,通过SPSS20(Statistical Product and Service Solutions 20)软件对地表下沉系数影响因素进行主成分分析,降低数据维度,消除变量间的冗余信息,找出主成分并作为模型的输入样本,利用MATLAB(Matrix Laboratory)软件进行仿真与分析.结果表明:与传统BP神经网络模型和主成分分析(Principal Component Analysis,PCA)的PCA-BP神经网络模型相比,基于主成分分析的GA-BP模型的相对误差不超过5%,与实测值更为接近,预测精度进一步提高,基本满足矿区实际工程需要,为条带开采地表下沉系数预测提供了又一种准确可行的方法. 相似文献
104.
在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利用工程实例对预测模型精度进行分析.结果表明,小波去噪后的BP神经网络预测模型相比去噪前精度有所提升,精度更高,能够更为准确地反映监测对象的变形趋势. 相似文献
105.
106.
刘占利 《测绘与空间地理信息》2021,44(11):151-154
跨海大桥在运行期间因受自身因素以及飓风、海浪等多种外界因素的影响,桥梁变形表现为非线性变形.针对这种现象,本文以跨海大桥观测数据为例,使用小波理论进行去噪处理,对去噪后的数据分别建立BP神经网络预测模型以及POS-BP神经网络预测模型,并对比分析预测结果.结果表明:POS-BP神经网络预测模型预测精度更高. 相似文献
107.
张汉中 《测绘与空间地理信息》2021,44(10):136-139
研究一种利用国产高分卫星遥感数据进行自然资源调查的大数据应用算法,重点研究神经网络深度迭代回归算法在卫星遥感图像像素级分析过程中的地籍边界确认算法,将新算法与高分卫星大数据工具包自带地籍边界划分算法进行对比,发现:自带软件较革新软件,在林木种类误判数量上高出6.8倍,在农作物类型误判数量上高出19.2倍,在水产类型误判数量上高出4.1倍.革新软件对比自带软件,其大资源区边界精度提升65.9%,小资源区边界精度提升67.2%,综合分析其边界划分精度提升62.5%.该结果t<10.000,P<0.01,具有显著的统计学差异,该革新算法可以大幅度提升资源调查效率和资源区划分精度. 相似文献
108.
确定区域大地水准面的几何水准方法在拟合大地水面时未顾及重力场信息,仅是一种单纯的数学拟合,忽略了重力场数据自身的物理性和不同数据间的相关性.近年来,深度学习方法得到广泛重视与研究.本文提出了一种有监督学习的RBF神经网络精化大地水准面的方法,使用包含重力异常和大地水准面高的重力场数据进行神经网络训练,并采用K-means聚类算法为RBF神经网络的径向基函数进行初始化,提高神经网络的收敛速度和精度.实验结果表明,该方法确定的平原、丘陵和山地复杂实验区域大地水准面高标准差分别为0.044、0.159和1.075 cm,优于使用几何水准直接拟合大地水准面高的精度,且在重力异常中加入蒙特卡罗随机噪声模拟的观测误差后,3类实验区域标准差总体仍在cm级,误差增幅不显著,表明该方法在确定大地水准面时,能够抑制观测误差的影响. 相似文献
109.
手绘军队标号识别是基于草图的战场态势表达的重要组成部分.针对现有的草图特征手工提取方法费时费力,以及依靠数据驱动的深度学习方法泛化能力受到训练数据多样化制约的问题,提出一种注意力机制与卷积神经网络融合的军队标号识别方法.首先构建了特征提取模型Sketch-Net,实现手绘军队标号特征的初步提取;然后引入注意力机制模块,分别捕获特征在通道和空间位置中的依赖关系,增强模型提取特征信息的有效性.结果表明,提出的方法在建立的军队标号数据集上的识别正确率达到95.75%,能有效应用于手绘军队标号的识别. 相似文献
110.
针对高光谱影像分类问题,提出了基于深度卷积循环神经网络的高光谱影像空谱特征分类方法.首先将高光谱数据立方体看作一组特征序列;然后利用深度卷积循环神经网络构建特征序列的依赖关系,并采用"预训练+微调"的训练策略对深层网络模型进行训练,从而使得所设计的深层网络在训练样本较少的情况下也能得到更加充分的优化.在Pavia大学和Indian Pines数据集上的试验结果表明,构建的深度卷积循环神经网络的分类精度比RNN方法分别提升了9.49%和5.8%. 相似文献