全文获取类型
收费全文 | 1260篇 |
免费 | 84篇 |
国内免费 | 210篇 |
专业分类
林业 | 58篇 |
农学 | 48篇 |
基础科学 | 370篇 |
233篇 | |
综合类 | 731篇 |
农作物 | 25篇 |
水产渔业 | 7篇 |
畜牧兽医 | 43篇 |
园艺 | 12篇 |
植物保护 | 27篇 |
出版年
2024年 | 18篇 |
2023年 | 64篇 |
2022年 | 47篇 |
2021年 | 80篇 |
2020年 | 87篇 |
2019年 | 87篇 |
2018年 | 59篇 |
2017年 | 75篇 |
2016年 | 100篇 |
2015年 | 99篇 |
2014年 | 109篇 |
2013年 | 86篇 |
2012年 | 104篇 |
2011年 | 70篇 |
2010年 | 100篇 |
2009年 | 90篇 |
2008年 | 70篇 |
2007年 | 57篇 |
2006年 | 34篇 |
2005年 | 23篇 |
2004年 | 17篇 |
2003年 | 12篇 |
2002年 | 5篇 |
2001年 | 7篇 |
2000年 | 7篇 |
1999年 | 2篇 |
1998年 | 4篇 |
1997年 | 8篇 |
1996年 | 11篇 |
1994年 | 5篇 |
1993年 | 5篇 |
1992年 | 2篇 |
1991年 | 3篇 |
1990年 | 2篇 |
1989年 | 1篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1984年 | 1篇 |
1983年 | 1篇 |
排序方式: 共有1554条查询结果,搜索用时 31 毫秒
1.
农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。 相似文献
2.
3.
4.
为了响应土地整理开发项目的政策,吉林省西部地区开发了大面积的水田。为掌握新开发水田的动态变化,有必要对吉林省地区进行土地利用分类。以吉林省前郭县为例,利用2010年环境卫星数据进行不同土地利用分类方法的比较,进而对另外3景图像进行信息提取,分析4个年份新开发水田的分布及变化情况。结果表明,支持向量机法比最大似然法的耕地分类精度高约5%,其产品和用户精度分别为95%和84%。加入纹理信息没有显著提高分类精度。2009~2012年水田面积分别增加-67.7 km2,111.7 km2和265.01 km2。 相似文献
5.
6.
基于PCA-SVR-ARMA的狮头鹅养殖禽舍气温组合预测模型 总被引:3,自引:2,他引:1
为提高狮头鹅养殖禽舍气温预测精度,提出了基于主成分分析(Principal Component Analysis,PCA)、支持向量回归机(Support Vector Regression,SVR)融合自回归滑动平均(Autoregressive Moving Average,ARMA)模型的狮头鹅养殖禽舍气温组合预测模型。在建模过程中,运用主成分分析法筛选狮头鹅养殖禽舍气温的关键影响因子,消除变量之间冗余信息,约简预测模型结构;采用SVR-ARMA构建狮头鹅禽养殖舍气温组合预测模型,先通过SVR对气温进行预测,再由基于ARMA模型的残差预测值修正气温预测结果。利用该模型对广东省汕尾市2018年7月21日至2018年7月30日期间的狮头鹅养殖禽舍气温进行预测。结果表明,该组合预测模型取得了良好的预测性能,与标准BP神经网络、标准SVR、PCA-BPNN(反向传播神经网络,BackPropagationNeuralNetwork)、PCA-SVR和PCA-BPNN-ARMA等模型对比分析,其评价指标平均绝对误差、均方根误差和平均绝对百分比误差分别为0.183 2℃、0.454 0℃和0.005 9,均表明所提出的组合模型具有更高的预测效果,不仅能够满足狮头鹅养殖禽舍气温实际精准调控的需要,还为狮头鹅健康养殖和种苗繁育环境精细化管理提供决策。 相似文献
8.
9.