全文获取类型
收费全文 | 3378篇 |
免费 | 137篇 |
国内免费 | 486篇 |
专业分类
林业 | 198篇 |
农学 | 70篇 |
基础科学 | 1289篇 |
597篇 | |
综合类 | 1582篇 |
农作物 | 54篇 |
水产渔业 | 42篇 |
畜牧兽医 | 90篇 |
园艺 | 17篇 |
植物保护 | 62篇 |
出版年
2024年 | 91篇 |
2023年 | 200篇 |
2022年 | 277篇 |
2021年 | 278篇 |
2020年 | 248篇 |
2019年 | 191篇 |
2018年 | 96篇 |
2017年 | 139篇 |
2016年 | 155篇 |
2015年 | 157篇 |
2014年 | 156篇 |
2013年 | 187篇 |
2012年 | 180篇 |
2011年 | 184篇 |
2010年 | 205篇 |
2009年 | 238篇 |
2008年 | 193篇 |
2007年 | 187篇 |
2006年 | 167篇 |
2005年 | 106篇 |
2004年 | 91篇 |
2003年 | 46篇 |
2002年 | 52篇 |
2001年 | 43篇 |
2000年 | 22篇 |
1999年 | 26篇 |
1998年 | 30篇 |
1997年 | 14篇 |
1996年 | 17篇 |
1995年 | 11篇 |
1994年 | 9篇 |
1993年 | 5篇 |
排序方式: 共有4001条查询结果,搜索用时 15 毫秒
91.
多对象特征提取和优化神经网络的玉米种子品种识别 总被引:9,自引:3,他引:9
为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为 0.127 s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。 相似文献
92.
基于不同建模方法的湿地土壤有机质含量多光谱反演 总被引:4,自引:0,他引:4
为了提高湿地土壤有机质含量的预测精度,以闽江鳝鱼滩湿地土壤为研究对象,通过分析多光谱不同波段反射率与土壤有机质含量的相关性,引入OIF指数提取显著性波段,然后基于全波段和显著性波段,采用多元逐步回归方法(MLSR)、BP神经网络(BPNN)和支持向量机(SVR)3种方法,构建湿地土壤有机质含量的反演模型,并进行模型验证与对比,确定最优的土壤有机质含量反演方法。结果表明:各波段的反射率(Spectral reflectance,R)与土壤有机质含量存在着负相关关系,147波段组合的OIF指数较高,波段间的独立性强,能有效反映数据内的信息;采用MLSR、BPNN和SVR这3种方法进行建模。在全波段中,SVR的建模效果最显著,BPNN次之,MLSR的建模效果最差。在显著性波段中,BPNN的建模效果最显著,SVR次之,MLSR的建模效果最差;对比基于全波段与显著性波段的建模效果,发现基于全波段的预测效果更为显著,最佳模型为基于全波段的土壤有机质含量支持向量机模型,但利用显著波段建模,可降低波段间的信息重叠,且模型简单、运算量少等特点。该研究可行有效,对湿地土壤有机质含量的快速、大范围精准估测提供技术可行性。 相似文献
93.
结合济南市经十路交通干线车流拥挤问题,提出了利用模糊神经网络分层递阶控制城市交通干线车流量的方法,分析结果表明采用该方法可以减少车辆的停车次数和延误时间。 相似文献
94.
95.
96.
97.
98.
因素分析法是一种多元统计法,可以通过线性变换,将原有数据转换成彼此不相关且维数较少的数据,本文将因素分析法引入洪水预报神经网络的输入单元精简过程,详细介绍了建模和神经网络训练过程中包括STA训练控制在内的一些关键技术问题,并通过实例评价了此应用方法的效果,通过分析,表明此方法可以在不损失或较小损失的前提下方便有效的对洪水预报神经网络结构进行精简,大大缩减了神经网络的规模,提高了效率,具有很高的实用价值。 相似文献
99.
100.
BP神经网络在浅层地下水矿化度预 总被引:1,自引:1,他引:1
针对导致黄河下游三角洲地区土壤盐渍化的浅层地下水因素,以该地区典型区域为研究对象,将人工神经网络引入地下水矿化度的模拟和预测中,建立了基于土壤盐分、地下水埋深和pH的地下水矿化度预测的BP神经网络模型,并与多元回归模型在拟合精度和预测性能方面进行了比较。结果表明:研究区域地下水矿化度与土壤盐渍化程度呈显著的相关性,多元回归模型能较好地拟合地下水矿化度;通过网络训练确定了地下水矿化度的BP神经网络的拓扑结构为5:8:1,BP神经网络的拟合精度明显优于多元回归模型;统计检验表明BP神经网络的预测性能亦优于多元回归方法,其预测精度提高了50.1%。该研究可为黄河三角洲地区盐渍化的水盐调控和预测预报提供理论基础与决策依据。 相似文献