全文获取类型
收费全文 | 246篇 |
免费 | 110篇 |
国内免费 | 22篇 |
出版年
2023年 | 4篇 |
2022年 | 6篇 |
2021年 | 7篇 |
2020年 | 3篇 |
2019年 | 2篇 |
2018年 | 2篇 |
2017年 | 16篇 |
2016年 | 27篇 |
2015年 | 10篇 |
2014年 | 19篇 |
2013年 | 16篇 |
2012年 | 17篇 |
2011年 | 17篇 |
2010年 | 13篇 |
2009年 | 23篇 |
2008年 | 17篇 |
2007年 | 18篇 |
2006年 | 27篇 |
2005年 | 22篇 |
2004年 | 14篇 |
2003年 | 14篇 |
2002年 | 7篇 |
2001年 | 13篇 |
2000年 | 5篇 |
1999年 | 7篇 |
1998年 | 12篇 |
1997年 | 11篇 |
1996年 | 6篇 |
1995年 | 5篇 |
1994年 | 4篇 |
1993年 | 2篇 |
1992年 | 4篇 |
1991年 | 4篇 |
1990年 | 2篇 |
1989年 | 2篇 |
排序方式: 共有378条查询结果,搜索用时 15 毫秒
181.
182.
183.
描述了引信天线罩的功能、特点,通过具体案例详细介绍了基于Ansoft,ANSYS软件仿真的引信天线罩设计方法,提出设计流程图,并通过对产品进行热风洞试验考核和电气性能测试加以验证,得出这种设计方法简便可行,精确有效的结论。 相似文献
184.
针对高分辨距离像的特点,应用双谱与SVM研究高分辨雷达目标识别问题。提出了基于局部积分双谱与SVM的雷达目标识别方法。该方法选择具有最强鉴别能力的积分双谱构成局部积分双谱特征,基于局部积分双谱进行距离像特征提取,然后应用支持向量机对提取的特征进行分类识别。利用四种局部积分双谱的目标识别仿真实验结果表明,提出的方法具有良好的分类性能。 相似文献
185.
针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失,而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性,运用一个公开的活动识别数据集,使用三种常用无监督模型进行特征提取,并使用支持向量机进行活动识别。实验结果表明,特征提取方法取得了良好的效果,与其他方法相比具有一定的优势。 相似文献
186.
现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。 相似文献
187.
针对传统预测制导方法中高精度制导与快速实时解算之间的矛盾,提出了一种基于最优制导模板的神经网络预测制导方法。该方法采用基于高置信度飞行器运动模型仿真计算预测弹道落点,利用优化理论进行迭代解算制导变量,以此为基础离线生成样本数据;通过选择合适的多结构模态神经网络,进行基于调度管理的神经网络训练,完成神经网络控制器的设计。针对CAV进行了算例设计,结果表明:该制导方法在线计算量少,制导解算速度快,制导精度高,综合性能远优于传统的预测制导方法。 相似文献
188.
本文首先应用TLS-ESPRIT算法提取光学区高分辨雷达目标散射中心位置信息,并提出了“基于散射中心位置的相关匹配”目标识别算法,而后,证明了该算法相关匹配系数与所选择的基底无关以及算法的稳定性问题。最后,给出了五种飞机缩比模型的实验结果。 相似文献
189.
为了对雷达天线扫描方式进行自动识别,改进开发了天线扫描方式模拟器,并分别研究了电子扫描和机械扫描的特征提取和识别方法。基于最大主瓣脉冲序列的特征参数实现电子扫描和机械扫描的区分,然后基于单个天线扫描周期脉冲序列的特征参数实现8种机械扫描方式的自动识别。仿真结果表明,本文方法能够区分一维电扫、二维电扫和机械扫描,并且采用支持向量机决策树对机械扫描方式的识别正确率高于决策树方法。 相似文献
190.
针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。 相似文献