全文获取类型
收费全文 | 162篇 |
免费 | 14篇 |
国内免费 | 8篇 |
专业分类
测绘学 | 125篇 |
大气科学 | 3篇 |
地球物理 | 1篇 |
地质学 | 19篇 |
海洋学 | 2篇 |
综合类 | 19篇 |
自然地理 | 15篇 |
出版年
2024年 | 4篇 |
2023年 | 10篇 |
2022年 | 9篇 |
2021年 | 7篇 |
2020年 | 5篇 |
2019年 | 3篇 |
2018年 | 8篇 |
2017年 | 4篇 |
2016年 | 7篇 |
2015年 | 5篇 |
2014年 | 8篇 |
2013年 | 12篇 |
2012年 | 10篇 |
2011年 | 17篇 |
2010年 | 19篇 |
2009年 | 12篇 |
2008年 | 6篇 |
2007年 | 8篇 |
2006年 | 7篇 |
2005年 | 5篇 |
2004年 | 2篇 |
2003年 | 2篇 |
2002年 | 10篇 |
2000年 | 4篇 |
排序方式: 共有184条查询结果,搜索用时 125 毫秒
111.
112.
113.
采用时空同现模式分析方法挖掘多元犯罪事件之间的关联关系,可为犯罪事件防控问题提供科学指导。现有方法依赖人为设置的频繁度阈值,应用部门若缺乏先验知识则可能导致决策错误。因此,基于非参数统计思想,提出一种面向城市犯罪的时空同现模式显著性检验方法。首先通过重建每类犯罪事件的时空分布,构建多元犯罪事件分布独立的零模型;然后根据零模型下多元犯罪事件同现频率的试验分布,判别候选时空同现模式的显著性。最后设计具有预设模式的模拟数据实验验证该方法的有效性;在多个分析尺度(时空半径)下识别S市2016年13种犯罪事件间时空同现模式,并以时空同现模式{扰乱治安,盗窃电动自行车,扒窃}为例,结合公共设施空间分布,对该模式形成机理进行深入分析。结果表明:①该方法充分顾及了单元犯罪事件自相关特征的影响,能够有效识别具有统计特性的时空同现模式;②犯罪事件时空同现模式随分析尺度的变化而存在差异;③具有相似建成环境和社会环境的犯罪事件容易形成时空同现模式。 相似文献
114.
利用形式概念分析方法,通过概念内涵与概念外延的分析与融合,得到一套描述海岛语义的新概念。在确定各新概念间超类-子类关系的基础上,获得新概念的语义层次,并建立了海岛语义层次分类概念格。 相似文献
115.
116.
从空间数据场的角度出发,提出了一种基于场论的层次空间聚类算法(简称HSCBFT)。该算法是通过模拟空间实体间的凝聚力来描述空间实体间的相互作用,进而采取层次凝聚的策略进行聚类。通过实验分析可以发现,层次空间聚类算法具有如下优势:①空间聚类簇中各空间实体很好地满足了空间邻近且专题属性相似的要求;②能发现任意形状的空间簇,且具有良好的抗噪性;③输入参数较少。 相似文献
117.
通过对研究区内12口钻井岩芯的岩石学特征、沉积构造等特征的综合认识,结合沉积微相平面展布及连井地层对比,对麻黄山西区块三叠系延长组长61油层组进行了沉积环境分析,识别出6种沉积构造,5种沉积微相,总结出6种微相接触样式.研究结果表明,延长组长61油层组为三角洲前缘沉积,垂向上表现为以反韵律为主伴有短期正韵律的沉积特征,体现了三角洲前积的过程. 相似文献
118.
道路选取是进行道路网地图综合及多尺度表达时的基础。现有的道路选取方法大多是以道路的语义特征和几何特征作为道路选取的依据,较少考虑道路的拓扑特征。基于此,该文以城市道路网为例,综合考虑道路的语义特征、几何特征和拓扑特征,并以道路综合性能作为城市道路选取的依据,提出一种城市道路选取的新方法。通过实例分析,验证了该方法的有效性。 相似文献
119.
空间同位模式挖掘旨在发现多类地理要素或事件频繁互邻近形成的关联规则,对于理解复杂地理现象内在发生机理具有重要价值。针对现有基于关联规则的空间同位模式挖掘方法难以对地理数据特性(如多尺度性)进行有效建模的缺陷,本文提出了一种基于点过程建模与分解的多尺度空间同位模式挖掘方法。首先通过构建一个随机变量将多类要素实例分布数据表达为混合空间点过程,并引入一个非参统计指标对同位模式进行特征尺度判别;基于此,定义一种条件概率密度分布函数,利用点过程分解思想挖掘多尺度空间同位模式及其实例分布。试验分析结果表明本文方法可以准确挖掘空间同位模式在不同尺度的空间分布形态,并且有效降低了人为设定参数的主观性。 相似文献
120.
大速率、不均匀的地面沉降已经威胁到人类的生产活动,高精度的沉降预测结果对于地质灾害的精准防控具有重要意义。为掌握地面沉降的演化规律,利用现场观测数据或InSAR数据开展了多项预测研究。然而,由于空间异质性的存在,大范围地面沉降的准确预测仍然是一项挑战。在这项研究中,从数据驱动的角度提出了一种顾及空间异质性的大范围地面沉降时空预测方法STLSTM(Spatio-temporal Long Short-Term Memory)。首先,通过聚类识别地理空间中的均质子区;然后,在每个子区中,一个特别的长短期记忆LSTM(Long Short-Term Memory)网络被用来捕捉局部位置的非线性特征;最后,利用预训练的网络对未来时刻的地面沉降进行定量预测。在实验部分,哨兵1号影像数据被用来比较STLSTM与其他8种基准方法的性能,利用空间统计指标分析了模型的有效性。结果表明,STLSTM在152 s内达到了最高的预测精度(71.4%),且能够有效弱化空间异质性对大区域沉降预测任务的影响。总之,这项研究将空间异质性处理策略融合到深度学习模型中,实现了高精度、高时效的大范围地面沉降时空预测。 相似文献