全文获取类型
收费全文 | 2458篇 |
免费 | 463篇 |
国内免费 | 369篇 |
专业分类
测绘学 | 976篇 |
大气科学 | 384篇 |
地球物理 | 367篇 |
地质学 | 882篇 |
海洋学 | 306篇 |
天文学 | 15篇 |
综合类 | 225篇 |
自然地理 | 135篇 |
出版年
2024年 | 52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3290条查询结果,搜索用时 46 毫秒
991.
针对BP神经网络预测极易陷入局部最优解,利用思维进化算法优化BP神经网络的初始权值和阈值,提出基于思维进化法优化BP神经网络(MEA-BP)大坝变形预测模型。通过算例验证,并与BP神经网络、GA-BP神经网络对比分析表明,该模型能够克服多数进化算法问题及缺陷,同时避免遗传算法中交叉和变异算子双重性,提高算法的整体搜索效率,在一定程度上保证较优的局部预测值和较好的全局预测精度,具备快速收敛能力,验证了提出的MEA-BP神经网络预测模型在大坝变形预测中的可行性和实用性。 相似文献
992.
993.
提出了一种提升露天矿边坡位移量预测精度和收敛速度的基于自适应混合跳跃粒子群算法(AHJPSO)改进的BP(Back Propagation)神经网络模型。传统的BP神经网络模型在位移量预测过程中存在收敛速度慢、预测精度低、易陷入局部极小值的问题,而自适应混合跳跃粒子群算法具有快速寻优能力以及能够在迭代计算的过程中有效避免陷入局部极小值的能力,所以采用自适应混合跳跃粒子群算法优化后的BP神经网络模型,能够使BP神经网络模型对露天矿边坡位移量的预测精度更高、算法收敛速度更快,并有效跳出局部极小值。 相似文献
994.
灰色模型具有计算简便、所需数据量小等优点,在短期预测中有较高的精度,但对波动性较大的数据预测效果较差;神经网络具有较强的非线性映射能力以及自学习能力,对波动性数据的处理效果良好。本文结合二者的优点,建立了GM-BP组合模型。实例证明,组合模型相对单一的模型在地表变形预测中具有明显的优势。 相似文献
995.
996.
针对利用动力学模型得到的预报轨道随时间推移精度衰减较快的问题,尝试采用神经网络作为建模工具改进北斗导航卫星轨道预报精度。对影响神经网络模型补偿效果的因素进行了详细分析,基于神经网络补偿波形调整策略制定了适应导航卫星短期、中期和长期预报的神经网络优化模型。利用实测数据进行了试验分析,结果表明,该方法可以显著改进利用动力学模型得到的预报轨道精度。短期预报中,当采用的训练样本距离当前时刻大于10 d时,应移动补偿波形;中长期预报中均应移动补偿波形。相比补偿波形不调整的神经网络模型,采用基于补偿波形调整的神经网络优化模型后,预报弧长为8、15、30 d时,改进率分别提高了2.3%、6.7%、10%。 相似文献
997.
《地理空间信息》2017,(2)
住宅房地产价格与交通、环境等各类影响因子之间存在着非线性复杂关系,住宅价格的空间自相关性对住宅价格建模也有重要的影响。考虑到住宅价格的空间自相关性,构建了3种空间型BP神经网络模型,并利用遗传算法(GA)进行模型训练。第一种空间型模型的输入层神经元为样本坐标,第二种空间型模型的输入层神经元为空间滞后向量,第三种空间型模型的输入层神经元既包括样本坐标也包括空间滞后向量。以武汉市为例进行实证分析,选取了2010年291个住宅价格样本。实验结果表明,空间型BP神经网络模型的拟合精度优于普通BP神经网络模型及空间滞后模型,其中第三种空间型BP神经网络模型效果最优,输出结果与实际价格相关性达86.69%,均方根误差明显小于其他模型。 相似文献
998.
999.
针对高光谱图像分类中对光谱信息利用不足的问题,提出一种基于卷积神经网络在光谱域开展的分类算法。该算法通过构建五层网络结构,逐像素对光谱信息开展分析,将全光谱段集合作为输入,利用神经网络展开代价函数值的计算,实现对光谱特征的提取与分类。实验中采用三组高光谱遥感影像数据进行对比分析,以India Pines数据集为例,提出的基于卷积神经网络的分类方法的分类正确率达到90.16%,比RBF-SVM方法高出2.56%,相比三种传统的深度学习方法高出1%~3%,训练速度也较为理想。实验结果表明,本文所提出的算法充分利用了高光谱图像中逐像素点的光谱域信息,能够有效提高分类正确率。与传统学习算法相比,在较少训练样本的情况下,更能发挥其良好的分类性能。 相似文献
1000.
智慧旅游城市旅游竞争力评价 总被引:12,自引:1,他引:11
提升旅游竞争力是智慧旅游城市建设的核心目标。在借鉴前人研究的基础上,建立包括5个一级指标、14个二级指标和33个三级指标的智慧旅游城市旅游竞争力评价指标体系,选取北京、南京、武汉、成都、大连、厦门等12个首批国家智慧旅游试点城市,通过模拟仿真运算构建智慧旅游城市旅游竞争力评价BP神经网络模型,并运用该模型对上述智慧旅游城市旅游竞争力进行评价和分析。结果表明:① 旅游科技创新竞争力是影响智慧旅游城市旅游竞争力最关键的一级指标,其他一级指标按重要性排序依次为旅游经济发展竞争力、旅游发展保障竞争力、旅游发展潜力竞争力和旅游环境支撑竞争力;② 中国智慧旅游城市旅游竞争力整体水平不高且极不均衡,根据评价等级和竞争态势分为5类。第一类北京市是中国智慧旅游城市旅游竞争力的标杆,5项一级指标评价值均领先于其他城市,总评价值高达0.887,评价等级AA、竞争态势“优势”;第二类南京市旅游环境支撑竞争力评价值与北京市并列第1,旅游经济发展竞争力、旅游科技创新竞争力和旅游发展保障竞争力评价值均位列第2,总评价值0.536,明显高于除北京市外的其他智慧旅游城市,评价等级BB、竞争态势“较强”;第三类武汉、大连、成都、厦门、镇江、温州、烟台7市代表目前中国智慧旅游城市旅游竞争力的普遍水平,5项一级指标评价值偏低且差距不明显,总评价值在0.3~0.4之间,评价等级B、竞争态势“一般”;第四类福州、洛阳2市绝大多数一级指标评价值较低,总评价值在0.2~0.3之间,评价等级CC、竞争态势“较弱”;第五类黄山市总评价值仅0.176,评价等级C、竞争态势“弱势”;③ 构建的智慧旅游城市旅游竞争力评价BP神经网络模型具有较好的科学性、普适性和可操作性,根据评价值的大小判断智慧旅游城市旅游竞争力的优劣,比照指标体系寻找差距并加以完善,同时对评价指标进行动态监测,将是智慧旅游城市旅游竞争力研究的重要发展方向。 相似文献