全文获取类型
收费全文 | 5439篇 |
免费 | 333篇 |
国内免费 | 578篇 |
专业分类
林业 | 400篇 |
农学 | 414篇 |
基础科学 | 1306篇 |
941篇 | |
综合类 | 2791篇 |
农作物 | 98篇 |
水产渔业 | 108篇 |
畜牧兽医 | 158篇 |
园艺 | 35篇 |
植物保护 | 99篇 |
出版年
2024年 | 34篇 |
2023年 | 172篇 |
2022年 | 255篇 |
2021年 | 272篇 |
2020年 | 221篇 |
2019年 | 228篇 |
2018年 | 121篇 |
2017年 | 175篇 |
2016年 | 201篇 |
2015年 | 202篇 |
2014年 | 293篇 |
2013年 | 230篇 |
2012年 | 403篇 |
2011年 | 459篇 |
2010年 | 399篇 |
2009年 | 359篇 |
2008年 | 324篇 |
2007年 | 351篇 |
2006年 | 323篇 |
2005年 | 306篇 |
2004年 | 266篇 |
2003年 | 148篇 |
2002年 | 131篇 |
2001年 | 100篇 |
2000年 | 74篇 |
1999年 | 55篇 |
1998年 | 52篇 |
1997年 | 41篇 |
1996年 | 29篇 |
1995年 | 24篇 |
1994年 | 12篇 |
1993年 | 16篇 |
1992年 | 17篇 |
1991年 | 15篇 |
1990年 | 11篇 |
1989年 | 10篇 |
1988年 | 12篇 |
1987年 | 2篇 |
1986年 | 1篇 |
1985年 | 1篇 |
1981年 | 2篇 |
1977年 | 1篇 |
1956年 | 2篇 |
排序方式: 共有6350条查询结果,搜索用时 15 毫秒
101.
农民创业活动已成为推动农村经济发展和农村城镇化进程的重要动力源泉,创业资源的获取是制约农民创业者的关键因素,而社会网络影响着农民创业过程中社会资源的配置,因此探讨农民获取创业资源的社会网络途径和机制有着重要的意义。运用问卷调查和统计分析的办法,就社会网络对农民创业者获取创业资源的影响作了分析,将农民创业者的社会网络按其关系密度进行了分类,深入分析了该社会网络的规模、密度、动态性和差异性,研究发现不同类型的社会网络在农民创业者获取资源过程中作用各有不同。 相似文献
102.
基于纹理特征和神经网络的图像识别 总被引:1,自引:0,他引:1
图像特征是用来区分图像内部最基本属性或特征的,它包括了几何特征、形状特征、颜色特征、纹理特征等,在这些特征中纹理特征理解过于复杂,至今尚未有一个大家都认同的定义,从而也就使得纹理分析变得很困难。该文主要研究图像的分类识别,采用基于灰度共生矩阵的纹理特征的提取。以8位灰度图为研究对象,依次对图像进行4个方向(0°、45°、90°、135°)的扫描,并分别建立灰度共生矩阵,从而提取纹理特征参数,然后建立BP神经网络模型,用提取的纹理特征值,来训练BP神经网络模型,使网络模型能够识别图像的内容。此文提出了用纹理特征训练神经网络的方法来识别图像,研究结果表明,纹理是图像分析中一个非常重要的特征,所提取的图像特征是描述图像相当有效的参数。 相似文献
103.
104.
105.
为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。 相似文献
106.
107.
108.
109.
BP神经网络在焉耆盆地农田排水量 总被引:1,自引:1,他引:1
利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系,选取了对排水量影响最大的5个因素作为BP网络的输入,利用均匀设计方法,确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量,最大相对误差仅为-2.45%。 相似文献
110.
基于量子神经网络的马铃薯早疫病诊断模型 总被引:3,自引:0,他引:3
针对马铃薯早疫病智能诊断,将量子计算的态叠加方法和神经网络计算的自适应性结合,提出了将量子神经网络作为马铃薯早疫病诊断模型.该模型隐含层采用多个量子能级的激励函数叠加的量子神经元,有效地解决了病害诊断中模糊决策,在给出的学习算法的训练过程中自适应地确定样本特征数据中的不确定性.此算法能够较好地避免传统神经网络在训练过程中易出现局部极小值的弊端,提高了网络学习速度.仿真结果表明:量子神经网络在马铃薯早疫病诊断中,诊断正确率达到96.5%. 相似文献