全文获取类型
收费全文 | 3433篇 |
免费 | 142篇 |
国内免费 | 517篇 |
专业分类
林业 | 196篇 |
农学 | 64篇 |
基础科学 | 1327篇 |
632篇 | |
综合类 | 1607篇 |
农作物 | 53篇 |
水产渔业 | 43篇 |
畜牧兽医 | 93篇 |
园艺 | 15篇 |
植物保护 | 62篇 |
出版年
2024年 | 107篇 |
2023年 | 232篇 |
2022年 | 307篇 |
2021年 | 288篇 |
2020年 | 253篇 |
2019年 | 199篇 |
2018年 | 100篇 |
2017年 | 139篇 |
2016年 | 151篇 |
2015年 | 156篇 |
2014年 | 155篇 |
2013年 | 190篇 |
2012年 | 179篇 |
2011年 | 183篇 |
2010年 | 203篇 |
2009年 | 239篇 |
2008年 | 192篇 |
2007年 | 186篇 |
2006年 | 162篇 |
2005年 | 102篇 |
2004年 | 90篇 |
2003年 | 45篇 |
2002年 | 53篇 |
2001年 | 43篇 |
2000年 | 22篇 |
1999年 | 27篇 |
1998年 | 28篇 |
1997年 | 15篇 |
1996年 | 16篇 |
1995年 | 12篇 |
1994年 | 9篇 |
1993年 | 7篇 |
1990年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有4092条查询结果,搜索用时 15 毫秒
991.
一种植物病害图像识别卷积网络架构 总被引:1,自引:0,他引:1
针对人工提取植物病害图像特征存在效率低、识别率低、成本高等问题,提出一种基于DenseNet网络的现代卷积神经网络架构FI-DenseNet,旨在对多种类的植物病害图像达到高精准的识别准确率.引入Focal损失函数对DenseNet网络进行改进,使得训练模型的注意力集中于难分类的样本.FI-DenseNet网络可以增强特征传递、进行深层训练或有效改善过拟合问题.采用的数据集有87 867张植物病害图像,图像包含同种植物的多种病害,并涉及38种植物病害.对图像进行预处理、数据增强后,将DenseNet169网络、ResNet50网络和MobileNet网络作为参照实验.实验结果表明,FI-DenseNet网络的收敛速度更快且识别准确率最高,测试集识别准确率为98.97%,FI-DenseNet网络的鲁棒性和泛化能力均优于对照网络,可为植物病害智能诊断提供参考. 相似文献
992.
湖泊富营养化综合评价模糊神经网络专家系统的研究 总被引:6,自引:1,他引:6
在综合评价体系结构基础上,应用模糊神经网络技术,建立了1个湖泊富营养化综合评价模糊神经网络专家系统,该专家系统易于表达模糊知识,其知识获取和存储方式与普通专家系统不同,具有较高的推理效率,较强的容错、自适应和自我更新能力。 相似文献
993.
994.
基于遥感信息估测森林的生物量 总被引:39,自引:2,他引:39
采用小兴安岭南坡TM图像和232块森林资源一类清查样地数据构建多元回归方程和神经网络模型,用以估测该地区森林生物量,选取环境因子,生物因子和遥感信息在内的13个自变量计算出回归方程的R^2=0.7125,并通过了相关检验,在对独立样地估测中,人工神经网络模型估测的平均精度为90.61%,基于回归方程估测有助于阐明森林生物量与遥感信息之间的内在机理;神经网络技术使高精度估测成为可能。 相似文献
995.
数据挖掘技术中的神经网络和C5.0可以用于构建监督和预测的模型。将神经网络和C5.0模型运用于监测计算机的状态信息及识别和预测相关的故障状态。基于Clementine环境,通过采集状态已知情形下的计算机状态数据,作为训练样本来建立神经网络模型和C5.0规则模型,利用另外的实测数据进行检验。结果表明,神经网络的预测正确率是99.64%,而C5.0模型的预测正确率为99.68%,两者预测结果的一致性为99.81%。此外,C5.0模型预测结果的准确性要比神经网络预测结果的准确性高。 相似文献
996.
针对标准的BP神经网络模型对我国南方的重要木本油料树种油茶产量进行预测过程中存在的缺陷,采用相对误差逐步优化回溯算法在迭代过程的参数,使原始的BP神经网算法在运算精度和计算速度上均得到显著的提高,即一种改进的回溯算法优化BP神经网络预测模型。经过试验效验与仿真证明,得到的改进算法不仅能提高油茶产量预测的收敛速度,而且在油茶产量预测精度上也有很大的提高。优化后的BP神经网络算法为多要素因子之间相互影响事件的结果预测,提供了新的设计思路和更好的解决方法。 相似文献
997.
基于深度学习和支持向量机的4种苜蓿叶部病害图像识别 总被引:1,自引:2,他引:1
为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:当病斑图像尺寸归一化为32×32像素,利用归一化的特征HSV(即特征H、特征S和特征V归一化后的组合特征)构建的病害识别SVM模型最优,其训练集识别正确率为94.91%,测试集识别正确率为87.48%。本研究基于深度学习和SVM所建立的病害识别模型可用于识别上述4种苜蓿叶部病害。 相似文献
998.
999.
基于全卷积神经网络的荔枝表皮缺陷提取 总被引:1,自引:1,他引:1
【目的】增强荔枝表皮缺陷提取效果,满足其品质检测分级准确性要求。【方法】采用Tensorflow框架构建基于AlexNet的全卷积神经网络AlexNet-FCN,以ReLU为激活函数,Max-pooling为下采样方法,Softmax回归分类器的损失函数作为优化目标,建立荔枝表皮缺陷提取的全卷积神经网络模型,并用批量随机梯度下降法对模型进行优化。【结果】模型收敛后在验证集上裂果交并比(IoUd)为0.83,褐变交并比(IoUb)为0.60,褐变与裂果的总体交并比(IoUa)为0.68;与利用线性SVM、朴素贝叶斯分类器缺陷提取效果相比,该模型的特征提取能力显著提高。【结论】全卷积神经网络在水果表面缺陷提取中具有良好的应用前景。 相似文献
1000.
新词识别是食品安全信息处理中的一个难点,新词是造成分词错误的重要原因.利用互信息提取新词特征并采用BP神经网络过滤垃圾词串以识别新词,以提高食品安全文本分词准确率.首先在互信息新词识别基础上,得到候选新词的多个统计量特征.然后对候选字串是否成词进行人工标记.最后将统计量特征和人工标记的新词作为训练样本,建立BP神经网络... 相似文献