全文获取类型
收费全文 | 1019篇 |
免费 | 67篇 |
国内免费 | 78篇 |
专业分类
测绘学 | 474篇 |
大气科学 | 63篇 |
地球物理 | 105篇 |
地质学 | 197篇 |
海洋学 | 69篇 |
天文学 | 11篇 |
综合类 | 177篇 |
自然地理 | 68篇 |
出版年
2023年 | 1篇 |
2022年 | 17篇 |
2021年 | 23篇 |
2020年 | 32篇 |
2019年 | 27篇 |
2018年 | 32篇 |
2017年 | 72篇 |
2016年 | 71篇 |
2015年 | 84篇 |
2014年 | 65篇 |
2013年 | 65篇 |
2012年 | 59篇 |
2011年 | 78篇 |
2010年 | 54篇 |
2009年 | 46篇 |
2008年 | 53篇 |
2007年 | 57篇 |
2006年 | 43篇 |
2005年 | 47篇 |
2004年 | 41篇 |
2003年 | 18篇 |
2002年 | 12篇 |
2001年 | 17篇 |
2000年 | 25篇 |
1999年 | 15篇 |
1998年 | 18篇 |
1997年 | 12篇 |
1996年 | 11篇 |
1995年 | 11篇 |
1994年 | 9篇 |
1993年 | 9篇 |
1992年 | 8篇 |
1991年 | 3篇 |
1990年 | 6篇 |
1989年 | 2篇 |
1988年 | 6篇 |
1987年 | 4篇 |
1986年 | 2篇 |
1985年 | 4篇 |
1983年 | 1篇 |
1981年 | 1篇 |
1979年 | 1篇 |
1954年 | 2篇 |
排序方式: 共有1164条查询结果,搜索用时 31 毫秒
71.
基于叶片光谱的森林叶绿素浓度反演研究 总被引:2,自引:0,他引:2
准确估测森林叶片叶绿素浓度有助于进一步理解和模拟森林生态系统。基于江西省千烟州试验区主要树种光谱数据和相应叶绿素浓度等化学参量数据,使用高光谱指数和偏最小二乘(PLS)回归方法进行森林叶绿素浓度的反演,对具代表性的几种叶绿素相关的光谱指数进行反演能力评价,构造出表征叶绿素吸收特征的叶绿素吸收面积指数(CAAI),发现TCAR I(改进型的叶绿素吸收比率指数)和CAAI能较好地估测试验区森林主要树种的叶绿素浓度。针对叶片生化参量之间强相关现象,首先使用了叶片生化参量吸收特征分析方法,选定特定波段。然后对叶绿素浓度进行PLS回归估测,并从PLS获得估测模型的结果来评价和解释几种高光谱指数的叶绿素反演能力。 相似文献
72.
用小波分解(WT)和最小二乘支持向量机(LS-SVM)相结合的方法,建立西太平洋副热带高压面积指数的预报模型。该方法首先将西太平洋副热带面积指数(SI)分解为相对简单的带通分量信号,利用LS-SVM建立各分量信号的独立预报模型,然后对预报结果进行集成。为了评估和比较该方法的预报效果和技术优势,最后比较了在同等条件下WT~LS-SVM模型和神经网络、线性回归模型的独立检验预报效果。试验结果表明,该方法具有泛化能力强、预报精度高、训练速度快、稳定性好、便于建模等优点,具有良好的应用前景。 相似文献
73.
74.
根据高密度电阻率法相邻二个排列之间有相当重叠部分这个特点,提出将高密度各个单一排列剖面连接在一起,组成一个多排列数据拼接一起并进行误差校正。为抑制相邻排列间数据系统误差影响,运用多排列数据拼接系统误差的校正方法,这是一种最小二乘准则下的计算方法。通过实际例子证明,该方法在解决多排列拼接过程中系统误差问题是十分可行、有效的。 相似文献
75.
76.
数字地图合并的平差原理与方法 总被引:2,自引:0,他引:2
提出了一种基于最小二乘平差的数字地图合并方法,采用平差原理以求得实体调整合并后的空间位置。实验表明,与其他方法相比,该方法具有较高的精度,且较好地保持了原有实体的特征。 相似文献
77.
秩亏自由网平差的一种新解法 总被引:2,自引:1,他引:1
提出秩亏自由网平差的一种新解法,只亲知道误差方程系数阵中t0个线性无关的列向量,就能很快地得到最小二乘最小范数解,实际计算表明,这种新解法是简单有效的。 相似文献
78.
一次范数最小估计的无偏性 总被引:5,自引:0,他引:5
理论上一次范数最小 ( L1 )估计的唯一性不存在 ,其唯一性主要取决于解算方法 ,大量算例验证其唯一性存在。本文作者基于算法来保证其唯一性 ,进而首次从理论上验证 L1估计的无偏性。利用初始反对称估计 ,设计了两个等价的线性规划问题 ,由此来解算得到 L1估计 ,根据误差分布为对称分布 ,便可证明 L1 估计的无偏性 相似文献
79.
80.
This paper examines the potential of least‐square support vector machine (LSVVM) in the prediction of settlement of shallow foundation on cohesionless soil. In LSSVM, Vapnik's ε‐insensitive loss function has been replaced by a cost function that corresponds to a form of ridge regression. The LSSVM involves equality instead of inequality constraints and works with a least‐squares cost function. The five input variables used for the LSSVM for the prediction of settlement are footing width (B), footing length (L), footing net applied pressure (P), average standard penetration test value (N) and footing embedment depth (d). Comparison between LSSVM and some of the traditional interpretation methods are also presented. LSSVM has been used to compute error bar. The results presented in this paper clearly highlight that the LSSVM is a robust tool for prediction of settlement of shallow foundation on cohesionless soil. Copyright © 2008 John Wiley & Sons, Ltd. 相似文献