全文获取类型
收费全文 | 273篇 |
免费 | 50篇 |
国内免费 | 23篇 |
出版年
2024年 | 4篇 |
2023年 | 11篇 |
2022年 | 13篇 |
2021年 | 22篇 |
2020年 | 12篇 |
2019年 | 13篇 |
2017年 | 8篇 |
2016年 | 9篇 |
2015年 | 12篇 |
2014年 | 13篇 |
2013年 | 13篇 |
2012年 | 21篇 |
2011年 | 25篇 |
2010年 | 21篇 |
2009年 | 15篇 |
2008年 | 22篇 |
2007年 | 12篇 |
2006年 | 16篇 |
2005年 | 13篇 |
2004年 | 16篇 |
2003年 | 8篇 |
2002年 | 5篇 |
2001年 | 10篇 |
2000年 | 4篇 |
1999年 | 6篇 |
1998年 | 7篇 |
1997年 | 1篇 |
1996年 | 6篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有346条查询结果,搜索用时 93 毫秒
251.
252.
新闻视频中故事单元的相似度计算对于视频浏览、检索和跟踪故事单元等应用具有特别重要的意义.研究提出了一种利用"场景词汇"计算故事单元相似度的方法,将单独的关键帧作为一个完整"词汇",将每个故事单元看作是一系列"场景词汇"描述的"文档".在此基础上研究了"场景词汇"的特殊性,并设计了有效的"场景词汇"权重计算方法和故事单元相似度计算方法.实验显示,基于"场景词汇"的故事单元相似度计算方法能够比较好地贴近用户感官和实际应用需求. 相似文献
253.
254.
255.
针对图像纹理应用于LiDAR点云分类过程中存在的多义性问题,提出点云纹理特征的概念。该特征属性反映了点与其邻域点的属性值分布情况,提取过程基于KD树数据检索结构和灰度共生矩阵算法。分析搜索邻域、移动步长和灰度等级等参数对点云纹理特征的影响,并利用支持向量机分类方法验证点云纹理特征,可以有效地辅助高程和强度信息以改善LiDAR点云的地物分类结果。实验还证明了相比于栅格格式的图像纹理特征,点云纹理特征约束的地物分类具有更高的分类精度,并且点云纹理特征在微小地物的甄别和水陆的区分方面具有突出的能力。该特征的这些优秀特性可以为海岸带机载LiDAR数据的精细化分类、海岸带高精度DEM构建和海岸线提取等工作发挥重要作用。 相似文献
256.
针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题,提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解,得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数,并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明,该方法可以实现对舰船辐射噪声的特征提取,与已有方法对比,该方法具有较高的识别率。 相似文献
257.
多重信号分类(Music)直接定位算法需要先估计目标个数,然后根据目标个数估计确定其噪声子空间,进而得到空间谱函数。在低信噪比情况下,目标个数估计的错误往往会导致直接定位算法的失效。针对上述问题,提出了一种基于m-Capon的多阵列目标直接定位算法。该算法综合了Capon算法无需目标个数估计和Music算法定位性能较高的优点,在不进行目标个数估计的情况下,利用近似估计的方法得到逼近于Music算法的空间谱函数,解决了Capon算法在低信噪比下性能不足的问题。仿真结果表明,在无需估计目标个数的条件下,所提算法的性能与Music算法的性能大致相同,且逼近于克拉美罗下界。 相似文献
258.
在地下目标低频声波探测中,由于探测信号的混叠,难以判读反射目标的空间位置.应用信号处理方法求解时,目标信号是稀疏序列,求解方程是病态的.运用Bayes反卷积方法修正其病态性,并采用优化的粒子群算法求解,提高了系统的探测分辨率,同时降低了计算量.实际应用表明,该方法是有效的. 相似文献
259.
目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理. 相似文献
260.
在采用向量空间模型表示方法的文本分类系统中,维数约简是必要的步骤,特征选择方法由于计算复杂度较低而被广泛采用.本文基于Fisher线性判别模型提出了一种新的文本特征选择算法,将其求解过程转换为一个特征项优化组合的问题,避免了复杂的矩阵变换运算.实验表明,该方法与信息增益、卡方统计方法比较,具有较明显的优势. 相似文献