全文获取类型
收费全文 | 1177篇 |
免费 | 203篇 |
国内免费 | 193篇 |
专业分类
测绘学 | 624篇 |
大气科学 | 167篇 |
地球物理 | 156篇 |
地质学 | 314篇 |
海洋学 | 99篇 |
天文学 | 10篇 |
综合类 | 156篇 |
自然地理 | 47篇 |
出版年
2024年 | 15篇 |
2023年 | 58篇 |
2022年 | 72篇 |
2021年 | 75篇 |
2020年 | 55篇 |
2019年 | 100篇 |
2018年 | 57篇 |
2017年 | 79篇 |
2016年 | 72篇 |
2015年 | 90篇 |
2014年 | 92篇 |
2013年 | 59篇 |
2012年 | 80篇 |
2011年 | 96篇 |
2010年 | 76篇 |
2009年 | 82篇 |
2008年 | 61篇 |
2007年 | 76篇 |
2006年 | 58篇 |
2005年 | 44篇 |
2004年 | 28篇 |
2003年 | 11篇 |
2002年 | 17篇 |
2001年 | 18篇 |
2000年 | 12篇 |
1999年 | 5篇 |
1998年 | 12篇 |
1997年 | 6篇 |
1996年 | 6篇 |
1995年 | 7篇 |
1994年 | 9篇 |
1993年 | 8篇 |
1992年 | 4篇 |
1991年 | 10篇 |
1990年 | 4篇 |
1989年 | 6篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1985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 |
1959年 | 1篇 |
1956年 | 2篇 |
1942年 | 1篇 |
排序方式: 共有1573条查询结果,搜索用时 125 毫秒
71.
加权支持向量回归机及其在水质预测中的应用 总被引:1,自引:0,他引:1
支持向量机是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法。本文对用于回归估计的标准支持向量机加以改进,提出了一种新的用于回归估计的支持向量机学习算法,针对各样本重要性的差异,给各个样本的惩罚系数和误差要求赋予不同权重,并利用加权支持向量回归机的理论及其算法构建水质预测模型。实验结果表明,该方法对水质具有较好的预测效果。 相似文献
72.
为了定量预测长沙、株洲、湘潭三市土壤质量未来变化,通过分析人类活动对土壤重金属元素富集影响,建立了基于人类活动的土壤重金属元素分布未来变化预测模型.工业、农业总产值、国内生产总值、人口总数等影响因子的数据输入模型后,即可获得土壤重金属污染等级所占比例,达到定量预测由于人类活动的变化对土壤质量产生的影响. 相似文献
73.
74.
土地覆盖制图:基于最优化遥感数据的支撑向量机分类 总被引:1,自引:0,他引:1
遥感数据具有在不同空间、光谱和时间尺度上获取地表测量信息的能力,使其成为获取土地覆盖信息的一个主要数据源。影像分类即把卫星影像上的相关像元划分给某类已知的土地覆盖类型的过程。支撑向量机(SVMs)是一种土地覆盖分类的新技术。三种常用的SVMs是:基于线性和多项式的SVM以及具有高斯核函数的SVM分类器,分类能否成功地应用有赖于其各自选择的最佳参数。但是海量的遥感数据使得这些参数的确定速度十分缓慢。本文研究了一种新的基于最优化遥感数据压缩技术的SVM分类方法。研究显示用于获取SVM参数的数据量能够在不影响土地覆盖的分类精度的前提下进行压缩。数据压缩成功的应用于多项式和高斯核函数的SVM分类,而线性SVM的分类精度却非常低。 相似文献
75.
基于支持向量机的遥感大雾判识 总被引:1,自引:0,他引:1
提出了一种基于支持向量机的卫星遥感数据大雾判识方法:首先通过对风云1D卫星大雾区域的各通道辐射值出现频次进行概率统计,利用其阈值来粗判识大雾;然后在粗判识的基础上通过支持向量机的方法进行大雾细判识;最后利用腐蚀和膨胀的图像处理技术对判识后的图像进行优化处理。在对我国2006年9-12月的65条监测到大雾的风云1D轨道的探测数据进行分析之后,发现大雾判识结果与专家标记吻合。检验结果表明,利用1、2、4、6、7、10通道组合进行粗判识的结果最好,5交叉正确率为89.9849%,TS评分为74.04%。利用上述方法对个例的分析检验表明,基于支持向量机的遥感大雾判识方法是切实可行的。 相似文献
76.
支持向量机与卡尔曼滤波集合的西太平洋副热带高压数值预报误差修正 总被引:1,自引:0,他引:1
基于T106数值预报产品资料,提出了支持向量机和卡尔曼滤波相结合的方法来进行夏季西太平洋副热带高压数值预报的误差修正与预报优化。首先采用支持向量机方法建立了西太平洋副热带高压面积指数的误差修正模型。基于支持向量机预报优化模型尽管有比较好的拟合精度和预报效果,但与实际副热带高压指数尚有一定的差异。究其原因,除预报对象(副热带高压)本身比较复杂、模型优化因子不够充分以及数值预报误差自身的随机性以外,优化模型的输入、输出基本上是一个静态映射结构,因此前一时刻的预测误差难以得到有效的反馈、调整和修正。为考虑前一时刻预报误差的反馈信息,动态跟踪副高的变化趋势,随后引入卡尔曼滤波方法建立支持向量机-卡尔曼滤波模型,对支持向量机模型的输出结果作进一步的调整和优化。试验结果表明,该方法模型的预报优化效果优于T106数值预报产品以及单纯的神经网络修正模型和卡尔曼滤波修正模型的优化效果,能够较为客观、有效地修正西太平洋副热带高压指数的数值预报误差,改进和优化西太平洋副热带高压的数值预报效果。该方法为副热带高压等复杂天气系统和要素场预报提供了一种新的思路,表现出较好的应用前景。 相似文献
77.
78.
79.
80.
以随机微分方程组(1)作为地极移动(钱德勒摆动)的数学模型,求出了(1)的解。此解是二维的正态、平稳、马尔科夫随机过程,它具有遍历性.找到了它的转移概率密度和相关函数.通过对相关函数的研究,如果取ω=5.274,则钱德勘周期重合于强相关周期2π/ω;此外,还发现了另一个周期,即独立性周期π/ω.最后,研究了地极移动模型的最佳预测公式和预测误差. 相似文献