全文获取类型
| 收费全文 | 287篇 |
| 免费 | 51篇 |
| 国内免费 | 24篇 |
专业分类
| 测绘学 | 106篇 |
| 大气科学 | 19篇 |
| 地球物理 | 69篇 |
| 地质学 | 110篇 |
| 海洋学 | 18篇 |
| 综合类 | 23篇 |
| 自然地理 | 17篇 |
出版年
| 2024年 | 2篇 |
| 2023年 | 3篇 |
| 2022年 | 2篇 |
| 2021年 | 7篇 |
| 2020年 | 2篇 |
| 2019年 | 9篇 |
| 2018年 | 5篇 |
| 2017年 | 5篇 |
| 2016年 | 3篇 |
| 2015年 | 6篇 |
| 2014年 | 5篇 |
| 2013年 | 8篇 |
| 2012年 | 10篇 |
| 2011年 | 5篇 |
| 2010年 | 7篇 |
| 2009年 | 7篇 |
| 2008年 | 12篇 |
| 2007年 | 16篇 |
| 2006年 | 12篇 |
| 2005年 | 13篇 |
| 2004年 | 22篇 |
| 2003年 | 19篇 |
| 2002年 | 11篇 |
| 2001年 | 14篇 |
| 2000年 | 9篇 |
| 1999年 | 14篇 |
| 1998年 | 20篇 |
| 1997年 | 7篇 |
| 1996年 | 14篇 |
| 1995年 | 10篇 |
| 1994年 | 20篇 |
| 1993年 | 14篇 |
| 1992年 | 9篇 |
| 1991年 | 10篇 |
| 1990年 | 12篇 |
| 1989年 | 8篇 |
| 1988年 | 8篇 |
| 1987年 | 1篇 |
| 1986年 | 1篇 |
排序方式： 共有362条查询结果，搜索用时 31 毫秒
41.
根据单井相分析特点,利用模糊模式识别方法,从预处理过的测井曲线上提取了能够用于沉积相识别的五种数字特征,建立了杏北地区河流相储层不同微相单元的数值模式。通过对三口井的自动识别与人工解释结果对比来看,计算结果是可行的。 相似文献
42.
为了获取常用超短波信号的特征参数,采取一种非线性变换的方法。根据信号参数的分布信息,对信号特征不够明显的参数进行二次变换,使所有信号的特征参数都具有较好的区分度,并利用BP网对这些特征参数进行识别。大量的仿真实验表明,该方法参数提取容易,计算量较小,在较低信噪比下能够较好地识别常用的超短波信号。识别的信号为2FSK、MSK、QAM、DPSK和FM。 相似文献
43.
44.
立交桥结构的自动识别对道路网多尺度建模、空间分析和车辆导航具有重要意义。传统基于矢量数据的立交桥识别方法过分依赖人工设计的特征,对复杂场景的适应性较差。本文提出了一种基于目标检测Faster R-CNN神经网络模型的立交桥识别方法,该方法利用卷积神经网络学习立交桥样本的深层次结构特征,进而实现立交桥的自动识别与准确定位。试验结果表明,该方法对立交桥的识别效果较好,能够在复杂的道路网中准确确定立交桥的位置,避免了人为干预对试验结果不确定性的影响,抗干扰性较强。 相似文献
45.
46.
本文评述了当前国内外利用雷达回波资料识别雹云的现状,着重介绍了笔者近年来利用雷达回波资料建立雹云识别模式的研究工作,并展望了雹云识别的未来发展前景。 相似文献
47.
将模式识别理论中的支持向量机、Bayes判别分析以及多元回归分析应用于卡钻类型判别分析,建立了基于模式识别理论的卡钻判别模型。以近几年川东北卡钻数据为例进行了算例分析,结果表明：采用支持向量机、Bayes判别法及多元回归法对卡钻类型判别的结果与实际结果的误判率分别为1.92%,11.52%,61.54%。支持向量机（SVM）判别结果精度最高,但其判别方程式较为复杂,不能直观看出各分量对结果的影响程度;多元回归分析判别方程形式简单,可以直观表达各参量与卡钻之间的密切程度,但其判别精度较低;Bayes判别法计算精度介于二者之间,但其判别精度与判别式的个数密切相关。 相似文献
48.
本文设计了一个模式识别计算机程序。通过它可以识别无机氯化物是固体还是非固体。本程序根据模式识别原理，应用非线性映射的数学方法，在尽可能保持原样本点之间距离不变的条件下，将6维空间上的样本点映射到2维平面上，从而可以方便地通过视觉直接进行识别和分类。所用特性参数为非氯原子的电负性、电荷与离子(或共价)半径比、电荷、原子半径、第一电离势和电子构型。 相似文献
49.
本文讨论了马尔柯夫随机场图象模型及邻域选择方法,提出了8邻域5特征参数的马尔柯夫随机场图象模型以及一套完整而有效的特征参数的估计算法,将这些特征参数变成可视图象从而实现了视算。对8类不同纹理的标准图象进行分类试验,其识别(分类)的平均正确率达97.57％。 相似文献
50.
近年来, 计算机模式识别技术因其识别结果准确、快速, 而不断被用于生物判别邻域。本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别。研究结果显示, 训练成型的神经网络收敛误差仅为4.416×10-2, 加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高。3个海区的正确识别率分别为100%、88.89%和94.12%, 总成功率为 93.24%, 说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分。而BP神经网络的其他学习算法, 如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32%, 77.03%和87.84%。本研究的识别效果稳定, 对于大样本训练集的识别率也高达92.77%, 为头足类的种群判别提供了新的方法和思路。 相似文献