全文获取类型
收费全文 | 557篇 |
免费 | 109篇 |
国内免费 | 39篇 |
专业分类
测绘学 | 327篇 |
大气科学 | 38篇 |
地球物理 | 157篇 |
地质学 | 62篇 |
海洋学 | 45篇 |
天文学 | 11篇 |
综合类 | 52篇 |
自然地理 | 13篇 |
出版年
2024年 | 30篇 |
2023年 | 117篇 |
2022年 | 112篇 |
2021年 | 132篇 |
2020年 | 57篇 |
2019年 | 70篇 |
2018年 | 35篇 |
2017年 | 20篇 |
2016年 | 7篇 |
2015年 | 4篇 |
2014年 | 4篇 |
2013年 | 7篇 |
2012年 | 5篇 |
2011年 | 12篇 |
2010年 | 5篇 |
2009年 | 4篇 |
2008年 | 6篇 |
2007年 | 12篇 |
2006年 | 11篇 |
2005年 | 3篇 |
2004年 | 3篇 |
2003年 | 6篇 |
2002年 | 6篇 |
2001年 | 5篇 |
2000年 | 2篇 |
1998年 | 2篇 |
1997年 | 2篇 |
1996年 | 4篇 |
1995年 | 3篇 |
1994年 | 6篇 |
1993年 | 1篇 |
1992年 | 6篇 |
1991年 | 2篇 |
1990年 | 1篇 |
1988年 | 1篇 |
1957年 | 2篇 |
排序方式: 共有705条查询结果,搜索用时 250 毫秒
1.
2.
中国大陆及邻近地区Lg尾波的Q值分布 总被引:2,自引:0,他引:2
10个中国数字地震台网(CDSN)台站和5个全球地震台网(GSN)台站所记录的785个浅源地震的宽带垂直分量, 被用来研究中国大陆及邻近地区Lg尾波的衰减特性. 首先运用叠加谱比法对各记录进行处理, 得到与各路径相对应的椭圆内Lg尾波的Q0(1 Hz处的Q值)和频率相关因子η的平均值. 进一步应用反投影技术, 得到Lg尾波的Q0值和η值的成像图及其误差分布. 结果表明, 在所研究的范围内, Q0在200~500的范围内变化. 最低的Q0发生在滇藏地区; 最高的Q0发生在西伯利亚地台的南端. η值的变化范围在0.3~0.8之间. 对于所研究的大部分地区, η值呈现出与Q0值的反向变化关系. 相似文献
3.
4.
正电子断层扫描仪与PET图像重建概述 总被引:2,自引:0,他引:2
概述了PET(Positron emission tomography,正电子断层扫描仪)及其图像重建的基本原理、方法与临床使用,介绍了常用的图像重建FBP(滤波反投影,Filtered Back-Projection)算法和OSEM(有序子集最大似然法,Ordered Subset Expectation Maximization)算法,描述了如何通过PET的临床协议中的参数选择以得到满意的重建效果。此外,对PET的准三维重建也做了一些简介。 相似文献
5.
6.
卷积神经网络及其在矿床找矿预测中的应用——以安徽省兆吉口铅锌矿床为例 总被引:1,自引:0,他引:1
大数据人工智能地质学刚刚起步,基于大数据智能算法的地质研究是非常有意义的探索性实验。利用大数据和机器学习解决矿产预测问题,有助于人们克服不能全面考虑地质变量的困难及评估当前模型在已有数据中的可靠性。元素地表分布特征量主要受原岩成分、成矿作用影响和地表过程的影响,它们携带某些指示矿体就位的信息,即矿体在地下空间就位时在地表的响应,且未在地表过程中消失。以往的地球化学勘查工作仅仅识别异常,但未能发现矿体在地表响应的成矿特征量。本文以安徽省兆吉口铅锌矿床为例,通过机器学习,利用卷积神经网络算法,不断挖掘元素Pb分布特征与矿体地下就位空间的耦合相关性。经过1000次训练后,可以得到准确率0. 93,损失率0. 28的卷积神经网络模型。这种神经网络模型就是矿体在地下就位时元素在地表分布的响应,可以用来进行矿产资源预测。应用该模型对未知区进行预测,结果显示第53号区域具有很大概率存在尚未发现的矿体。 相似文献
7.
《测绘科学技术学报》2018,(6)
随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。 相似文献
8.
9.
10.
本文提出了一种利用深度卷积神经网络的频高图分类方法,在频高图分类标记的基础上,通过对深度学习经典网络结构的网络层迁移的方式,构建频高图类型识别网络模型,实现基于传播模式分布的频高图自动分类.利用试验获取的大量频高图数据,依据频高图中电离层传播模式分布情况,结合频高图度量基本规则,人工对频高图数据分类标记,生成网络模型样本数据;然后以随机方式,选取样本数据85%的数据作为训练数据,其余数据作为测试数据;经验证训练后的网络模型能够将测试频高图数据自动分为七种类型,频高图类型识别综合准确率高于97%.该方法可为频高图特征参数的自动、精确提取提供重要技术和高质量数据支撑,对电离层结构信息有效获取具有重要意义. 相似文献