全文获取类型
收费全文 | 223篇 |
免费 | 6篇 |
国内免费 | 37篇 |
专业分类
农学 | 2篇 |
基础科学 | 40篇 |
54篇 | |
综合类 | 155篇 |
农作物 | 8篇 |
畜牧兽医 | 6篇 |
园艺 | 1篇 |
出版年
2024年 | 1篇 |
2023年 | 9篇 |
2022年 | 5篇 |
2021年 | 21篇 |
2020年 | 26篇 |
2019年 | 21篇 |
2018年 | 11篇 |
2017年 | 6篇 |
2016年 | 16篇 |
2015年 | 3篇 |
2014年 | 9篇 |
2013年 | 11篇 |
2012年 | 30篇 |
2011年 | 19篇 |
2010年 | 39篇 |
2009年 | 12篇 |
2008年 | 10篇 |
2007年 | 5篇 |
2006年 | 3篇 |
2005年 | 2篇 |
2004年 | 4篇 |
2003年 | 1篇 |
2002年 | 1篇 |
1999年 | 1篇 |
排序方式: 共有266条查询结果,搜索用时 93 毫秒
131.
132.
133.
134.
135.
用多阈值多目标无人机图像分割优化算法检测秸秆覆盖率 总被引:1,自引:1,他引:0
为了适应航拍采集秸秆覆盖图像大尺度处理需求,提高当前多阈值差分灰狼优化算法(Differential Evolution Grey Wolf Optimizer,DE-GWO)的图像分割质量和速度,提出一种用于检测秸秆覆盖率的图像分割优化算法。该研究借鉴了人工蜂群多目标灰狼优化算法(Artificial Bee Colony Survey Multi-Objective Grey Wolf Optimizer,AS-MOGWO),在DE-GWO算法中加入了多目标灰狼优化算法(Multi-Objective Grey Wolf Optimizer,MOGWO)的外部存档,引入多目标的概念,并添加了人工蜂群算法(Artificial Bee Colony,ABC)中观察蜂的搜索策略,提出了基于多阈值的多目标秸秆覆盖图像自动分割的优化算法(Differential Evolution Artificial Bee Colony Survey Multi-Objective Grey Wolf Optimization,DE-AS-MOGWO)。该算法不仅继承了DE-GWO算法的自动分割特性,还兼备AS-MOGWO算法的高效收敛性,提高了图像分割的准确性和处理速度。分析结果显示,在无外界影响的情况下,该研究提出的DE-AS-MOGWO优化算法与人工实际测量法匹配的误差可控制在8%以内。在算法性能方面,DE-AS-MOGWO相比于PSO(Particle Swarm Optimization)、GWO(Grey Wolf Optimizer)、DE-GWO和DE-MOGWO在平均匹配率上分别提高了4.967%、3.617%、2.188%和3.404%,平均误分率分别降低了0.168%、0.131%、0.089%和0.116%,而算法耗时分别降低了82%、84%、17%和32%。试验结果表明,多阈值多目标图像分割方法在大尺度无人机图像中可获得较好的分割效果,且针对不同秸秆覆盖率图像均具有普遍适用性,为大面积秸秆覆盖率检测以及其他相关图像检测提供了高效算法支持。 相似文献
136.
137.
从粮食生产系统的角度,运用层次分析法构建粮食综合生产能力评价指标体系,采用相关系数法对吉林、河北、黑龙江、安徽、山东和湖北6个粮食主产省(2001—2008年)的粮食综合生产能力进行比较性测评和现状分析,进而提出了培育吉林省粮食综合生产能力的对策。 相似文献
138.
139.
组合预测方法在玉米施肥预测中的应用 总被引:4,自引:0,他引:4
为提高玉米施肥量预测的精度,利用拉格朗日乘数法,基于预测误差平方和最小这一目标,对肥料效应函数、神经网络施肥预测方法这2种单一施肥量预测模型进行加权组合,建立了玉米施肥组合预测模型。预测结果显示:肥料效应函数、神经网络施肥预测方法和组合预测模型的预测误差平方和分别为2789.40,653.79,421.72,说明玉米施肥组合预测模型优于单一施肥预测模型;采用组合预测方法对玉米施肥量进行预测,能够显著提高预测精度。 相似文献
140.