全文获取类型
收费全文 | 2024篇 |
免费 | 423篇 |
国内免费 | 212篇 |
专业分类
测绘学 | 793篇 |
大气科学 | 235篇 |
地球物理 | 353篇 |
地质学 | 668篇 |
海洋学 | 232篇 |
天文学 | 21篇 |
综合类 | 244篇 |
自然地理 | 113篇 |
出版年
2024年 | 12篇 |
2023年 | 68篇 |
2022年 | 79篇 |
2021年 | 88篇 |
2020年 | 89篇 |
2019年 | 120篇 |
2018年 | 80篇 |
2017年 | 84篇 |
2016年 | 83篇 |
2015年 | 120篇 |
2014年 | 141篇 |
2013年 | 91篇 |
2012年 | 160篇 |
2011年 | 166篇 |
2010年 | 125篇 |
2009年 | 139篇 |
2008年 | 134篇 |
2007年 | 127篇 |
2006年 | 91篇 |
2005年 | 90篇 |
2004年 | 60篇 |
2003年 | 41篇 |
2002年 | 54篇 |
2001年 | 71篇 |
2000年 | 44篇 |
1999年 | 25篇 |
1998年 | 36篇 |
1997年 | 16篇 |
1996年 | 22篇 |
1995年 | 38篇 |
1994年 | 24篇 |
1993年 | 25篇 |
1992年 | 23篇 |
1991年 | 32篇 |
1990年 | 18篇 |
1989年 | 19篇 |
1988年 | 4篇 |
1984年 | 1篇 |
1982年 | 1篇 |
1980年 | 1篇 |
1979年 | 1篇 |
1978年 | 1篇 |
1974年 | 1篇 |
1964年 | 1篇 |
1961年 | 1篇 |
1960年 | 4篇 |
1959年 | 2篇 |
1958年 | 2篇 |
1956年 | 2篇 |
1942年 | 1篇 |
排序方式: 共有2659条查询结果,搜索用时 157 毫秒
61.
62.
63.
在支持向量机多类识别基础上探讨以球结构替代传统超平面支持向量机对QuickBird影像进行分类的可行性,对重叠区域的数据分类采用新规则,提高球结构支持向量机算法的泛化性能,并将分类结果与最小距离法、最大似然法分类结果进行比较,实验结果表明该算法有效可行,降低了二次规划的复杂度,缩短了样本训练时间. 相似文献
64.
本文论述了支持向量机的回归算法,提出了基于支持向量机的GPS高程异常拟合方法,并在MATLAB中编制了相应的支持向量机程序,建立了相应的GPS高程异常模型.以实例数据讨论了基于支持向量机的GPS高程异常分析方法.研究表明:用支持向量机技术建立GPS高程异常模型是可行的和有效的. 相似文献
65.
66.
67.
目前,大多数气象台站都为自动站配备了备份计算机,安装了相应的地面气象测报业务系统软件,但往往由于备份计算机管理不到位,一旦遇到自动站故障,备份机无法在较短的时间内完成替换。为保证自动站能及时恢复正常运行、上传各类气象资料,自动站实时数据的异机同步备份和恢复就显得尤为重要。 相似文献
68.
实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。 相似文献
69.
70.
高光谱影像光谱-空间多特征加权概率融合分类 总被引:3,自引:3,他引:0
提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。 相似文献