检索结果-内蒙古大学图书馆

重庆大学学报（自然科学版） 2017年第11期40卷 99-106页

作者：刘智冯欣张杰重庆理工大学计算机科学与工程学院重庆400054 重庆理工大学电子信息与自动化学院重庆400054

传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点。以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别。实验结果表明,... 详细信息

传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点。以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别。实验结果表明,提出的方法能够有效提取人体行为的潜在特征,不但在MSR-Action3D数据集上能够获得与当前最好方法一致的识别效果,在UTKinect-Action3D数据集也能够获得与基准项目相当的识别效果。本方法的优势是不需要人工提取特征,特征提取和分类识别构成一个端到端的完整闭环系统,方法更加简单。同时,研究方法也验证了深度卷积神经网络模型具有良好的泛化性能,使用MSR-Action3D数据集训练的模型直接应用于UTKinect-Action3D数据集上行为的分类识别,同样获得了良好的识别效果。

关键词：深度学习人体行为识别深度卷积神经网络深度视频 3维卷积

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的极化雷达目标识别

引用

电波科学学报 2018年第5期33卷 575-582页

作者：盖晴晴韩玉兵南华白振东盛卫星南京理工大学南京210094 北京航天长征飞行器研究所北京100076

针对宽带多极化雷达,提出将高分辨一维距离像(high resolution range profile,HRRP)与极化信息相结合的算法,获得目标在4种极化组态下的一维距离像并将其组成极化距离矩阵.该算法对目标进行全方位的特征抽取与建模,以适应不同的姿态,有... 详细信息

针对宽带多极化雷达,提出将高分辨一维距离像(high resolution range profile,HRRP)与极化信息相结合的算法,获得目标在4种极化组态下的一维距离像并将其组成极化距离矩阵.该算法对目标进行全方位的特征抽取与建模,以适应不同的姿态,有助于减少高分辨一维距离像方位敏感性带来的影响.然后提出了直接基于极化距离矩阵、Pauli分解和Freeman分解三种特征提取方式对极化距离矩阵进行目标特征的提取,并将获得的目标特征向量结合起来送入搭建的深度卷积神经网络进行训练学习.该方法不仅结合了不同的特征提取方式以对极化距离矩阵进行更全面的特征提取,而且深度卷积神经网络的运用又对目标特征向量进行了深层学习,仿真结果验证了该方法的有效性.

关键词：极化距离矩阵雷达目标识别 Pauli分解 Freeman分解深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

深度卷积神经网络辅助提高初级超声医生诊断子宫肌瘤能力的研究

深度卷积神经网络辅助提高初级超声医生诊断子宫肌瘤能力的研究

引用

作者：李丽欣南方医科大学

学位级别：硕士

研究背景子宫肌瘤是女性最常见的良性肿瘤,超声检查成为临床诊断子宫肌瘤的一线影像学检查方法。尽管如此,超声诊断子宫肌瘤仍存在较多问题,首先是超声检查容易混淆浆膜下肌瘤和巨大肌瘤以及盆腔和附件肿物,其次是缺乏标准化的图像采集... 详细信息

研究背景子宫肌瘤是女性最常见的良性肿瘤,超声检查成为临床诊断子宫肌瘤的一线影像学检查方法。尽管如此,超声诊断子宫肌瘤仍存在较多问题,首先是超声检查容易混淆浆膜下肌瘤和巨大肌瘤以及盆腔和附件肿物,其次是缺乏标准化的图像采集方法,各类型超声设备的性能差异影响子宫肌瘤检测的准确性。另外子宫肌瘤的超声诊断准确性仍需依赖于超声医生的知识和经验。然而,近几年深度学习辅助医学影像学诊断疾病的研究迅速发展,但研究集中于浅表器官,而深部器官如子宫肿物的研究较少。因此,有必要开发一种基于深度学习方法的在超声图像中检测子宫肌瘤的模型。目的通过建立一种新的深度学习模型辅助子宫肌瘤的超声诊断,分析深度学习辅助方法的有效性和可行性,最后验证其协助初级超声医师提高子宫肌瘤诊断性能。方法回顾性收集了 2015年1月1日至2020年12月31日期间于南方医科大学顺德医院住院并接受手术治疗且术后病理确诊为子宫肌瘤的667名平均年龄为42.45±6.23岁的患者和570名平均年龄为39.24±5.32岁没有子宫病变正常女性共3870张超声图像(2020张子宫肌瘤超声图像和1870张正常子宫超声图像)。其中,我们随机抽取2706张超声图像(1416张子宫肌瘤超声图像和1290张正常子宫超声图像)作为训练数据集和676张图像(336张子宫肌瘤超声图像和340张正常子宫超声图像)作为内部验证数据集,利用上述数据训练开发并构建了深度神经卷积神经网络模型。最后为了评估该模型的效能,利用488张超声图像(268张子宫肌瘤超声图像和220张正常子宫超声图像)作为外部验证数据集,通过统计初级超声医生、高级超声医生、深度神经卷积神经网络模型、深度卷积神经网络模型辅助下的初级超声医生诊断是否存在子宫肌瘤的阳性预测值、阴性预测值、敏感性、特异性、准确性及接受者操作特征(ROC)曲线下的面积进而评估深度卷积神经网络模型的诊断性能。结果1.深度卷积神经网络模型与初级超声医生及高级超声医生的对比深度卷积神经网络模型在超声图像中诊断子宫肌瘤的准确率(97.27%vs.86.63%,P<0.001)、敏感性(91.79%vs.83.21%,P=0.002)、特异性(97.27%vs.90.80%,P=0.005)、阳性预测值(97.62%vs.91.68%,P=0.004)和阴性预测值(90.68%vs.81.61%,P=0.004)都比初级超声医生单独诊断的高。深度卷积神经网络模型的能力在准确率(97.27%vs.95.24%,P=0.47)、敏感性(91.79%vs.93.66%,P=0.41)、特异性(97.27%vs.97.16%,P>0.99)、阳性预测值(97.62%vs.97.57%,P=0.97)和阴性预测值(90.68%vs.92.63%,P=0.44)与高级超声医生相当。2.深度卷积神经网络模型辅助初级超声医师与初级超声医生及高级超声医生的对比深度卷积神经网络模型辅助初级超声医师的诊断能力在准确率(94.72%vs.86.63%,P<0.001)、敏感性(92.82%vs.83.21%,P=0.001)、特异性(97.05%vs.90.80%,P=0.009)、阳性预测值(97.45%vs.91.68%,P=0.007)和阴性预测值(91.73%vs.81.61%,P=0.001)均比初级超声医生单独诊断的高。深度卷积神经网络模型辅助初级超声医师诊断能力在准确性(94.72%vs.95.24%,P=0.66)、敏感性(92.82%vs.93.66%,P=0.73)、特异性(97.05%vs.97.16%,P=0.79)、阳性预测值(97.45%vs.97.57%,P=0.77)和阴性预测值(91.73%vs.92.63%,P=0.75)方面与高级超声科医生相当。结论深度卷积神经网络模型辅助策略可以较大程度上改善初级超声医师的子宫肌瘤诊断表现,深度卷积神经网络模型辅助初级超声医生在诊断子宫肌瘤各方面表现达到高级超声医生水平。

关键词：子宫肌瘤超声检查深度学习人工智能深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

深度卷积神经网络和特征迁移在土地覆盖分类中的应用

深度卷积神经网络和特征迁移在土地覆盖分类中的应用

引用

作者：徐锡杰中国科学院大学

学位级别：硕士

土地覆盖分类，对土地资源管理与保护、生态环境监测以及绿色可持续发展等方面具有重要的意义。遥感卫星为土地覆盖分类提供了海量的遥感影像数据，并且随着技术的发展，遥感影像的时间分辨率、光谱分辨率、空间分辨率等都得到了很大的... 详细信息

土地覆盖分类，对土地资源管理与保护、生态环境监测以及绿色可持续发展等方面具有重要的意义。遥感卫星为土地覆盖分类提供了海量的遥感影像数据，并且随着技术的发展，遥感影像的时间分辨率、光谱分辨率、空间分辨率等都得到了很大的提高。因此利用遥感技术进行土地覆盖分类是非常有效的手段。遥感影像分类是监测土地覆盖的重要途径，但是遥感影像分辨率的提高对分类方法的精度和效率等各方面提出了更高的要求，传统的分类方法难以获得令人满意的结果。深度学习技术的发展，尤其是深度卷积神经网络在图像分割方面的强大能力，为解决这些方法面临的问题提供了新的可能。利用深度卷积神经网络和高分辨率的遥感影像实现准确、高效的土地覆盖分类和提取，具有非常高的应用价值。深度学习需要大量的标注数据的支撑，然而构建如此庞大的高质量的遥感影像标注数据库相当困难，因此对标注数据的扩增方法，以及如何利用较少样本数据获得高精度的分类或提取结果等内容的研究具有非常重要的现实意义。　　本文主要对遥感影像训练样本的扩增、基于深度卷积神经网络的遥感影像土地覆盖分类、以及基于特征迁移学习的遥感影像不透水面提取三个方面进行了研究，旨在为高分辨率遥感影像的土地覆盖分类和提取的研究提供参考依据。本文本研究成果具体如下:　　首先，针对深度学习获得大量的高质量分类标注数据十分困难的问题，对数据增强的方法进行了研究。本文中采用了传统的图像变换以及深度学习pix2pix网络对遥感影像的标注样本数据进行了扩增。　　其次，利用深度卷积神经网络模型实现了高分辨率的遥感影像土地覆盖分类。本文中利用了FCN-8s、SegNet以及pix2pix三种深度卷积神经网络，以及最小距离法、最大似然法和BP神经网络法三种传统的监督分类方法对高分辨率遥感影像进行了土地覆盖分类，并对分类精度进行了对比。　　最后，对如何通过相对较少的样本数量获得较高精度的土地覆盖提取结果进行了研究。利用基于特征的迁移学习方法，将已经训练过的SegNet网络的特征进行迁移，通过较少的标注数据，实现对谷歌影像上的不透水面类别的提取。

关键词：土地覆盖分类深度学习深度卷积神经网络高分辨率遥感影像遥感卫星

来源：评论

学校读者我要写书评

暂无评论

深度卷积神经网络的结构化模型压缩方法研究

深度卷积神经网络的结构化模型压缩方法研究

引用

作者：吕连杰扬州大学

学位级别：硕士

近年来,得益于海量数据和强大计算资源的支撑,卷积神经网络(CNN)获得了学者的广泛关注和研究,在许多计算机视觉任务上取得了优秀的性能。然而,CNN的参数规模和训练时间也在急剧增加,这一事实对于部署高性能网络模型的设备提出了更高的... 详细信息

近年来,得益于海量数据和强大计算资源的支撑,卷积神经网络(CNN)获得了学者的广泛关注和研究,在许多计算机视觉任务上取得了优秀的性能。然而,CNN的参数规模和训练时间也在急剧增加,这一事实对于部署高性能网络模型的设备提出了更高的要求。尤其是对于资源受限的嵌入式设备和移动设备而言,这无疑是个巨大挑战。因此,将高性能卷积神经网络压缩到适当的规模,使其能够运行在资源有限的平台上,对于深度学习的发展具有重大意义。结构化模型压缩方法可从结构上对网络模型进行“瘦身”,从而实现网络模型的压缩和推理的加速。在该背景下,本文对深度卷积神经网络的结构化模型压缩相关方法展开研究。主要贡献如下:(1)提出了基于典型相关分析的深度卷积神经网络剪枝方法(CCA-Pr)。现有的结构化剪枝方法大多依赖于“范数越小,越不重要”准则和采用逐层方式来度量滤波器的重要性,前者在应用时未必可靠,后者可能陷入局部最优解。CCA-Pr方法利用CCA技术学习滤波器相对应特征和样本标签的相关性,并结合低维特征的重要度来确定滤波器的剪枝。另外,整体上方法采用了全局迭代剪枝框架。最后在CIFAR-10和Fashion-MNIST数据集上对不同结构的网络进行压缩以验证CCA-Pr方法的性能。(2)提出了基于多角度剪枝标准的自适应剪枝方法(MPC-APM)。该方法首先从滤波器和特征图两个角度进行剪枝标准设计,进而融合两者为混合剪枝标准。总体上,该方法涉及了三个剪枝标准,前两个分别考虑了滤波器信息和特征图信息,第三个则同时考虑滤波器信息和特征图信息。多个角度的剪枝标准保证了剪枝决策的全面性和灵活性,在此基础上利用自适应剪枝策略,在每次迭代剪枝中贪心地选择和网络模型状态相匹配的标准进行剪枝。在CIFAR-10和CIFAR-100标准数据集上对多个网络模型进行实验,结果验证了 MPC-APM的优越性。(3)提出了滤波器完全融合的压缩方法(CFF-CM)。当前剪枝方法中的融合需进行繁杂的人工设计,且无法充分利用所有滤波器之间的关系。本方法对融合方式展开进一步研究和拓展,重点考虑如何对滤波器信息进行融合,而不再探求如何衡量滤波器的重要性/冗余性。该方法将当前卷积层中滤波器进行完全融合以缩窄卷积层的宽度,且可实现与滤波器剪枝相同的网络拓扑结构。另外,本章方法可视为剪枝的一种延伸。最后,实验结果证明了 CFF-CM具有较好的压缩能力,例如在CIFAR-10数据集上,VGG-19参数量和计算量分别减少了 92.12%和67.24%,性能却上升了 0.15个百分点。

关键词：深度卷积神经网络结构化剪枝典型相关分析自适应剪枝神经元融合

来源：评论

学校读者我要写书评

暂无评论

深度卷积神经网络在玉米叶片病害识别中的应用研究

深度卷积神经网络在玉米叶片病害识别中的应用研究

引用

作者：乔岳东北农业大学

学位级别：硕士

在中国,玉米的种植面积广、总产量高,对于国民经济而言它是一种重要的粮食作物和饲料作物。但是,由于耕作栽培制度的改变、病原菌品种的变异、植物保健措施的不健全等原因造成玉米叶片病害危害程度逐年加重,种类也逐年增多。此问题一直... 详细信息

在中国,玉米的种植面积广、总产量高,对于国民经济而言它是一种重要的粮食作物和饲料作物。但是,由于耕作栽培制度的改变、病原菌品种的变异、植物保健措施的不健全等原因造成玉米叶片病害危害程度逐年加重,种类也逐年增多。此问题一直制约着玉米产量的提高,并且给农民带来了极大的经济损失。因此,对玉米病害的识别问题越来越成为人们关注的焦点。传统的识别方式采用肉眼观察法,较多依靠农技人员的个人经验。这种方法对病害判断起来速度稍慢、识别精确度较低,在很大程度上依赖于人的主观判断,并且也不能满足实时性的需求;有的方法先对图像进行预处理,再利用支持向量机（Support Vector Machine,SVM）、概率神经网络（Probabilistic Neural Network,PNN）等机器学习方法完成病害的分类。此类方法先对图像进行预处理,处理过程复杂,耗时较长且识别精确度有提升空间。所以,及时准确的对玉米叶片的病害进行诊断不仅能够降低不必要的财政开支和资源消耗,而且还能够在多变的环境下获得较可观的玉米产量。本文基于深度学习的卷积神经网络（Convolutional Neural Network,CNN）算法,实现玉米叶片病害的识别研究。主要包含以下工作:（1）研究深度卷积神经网络模型结构的改变对于玉米叶片病害识别精确度的影响,如:改变不同的池化组合方式、添加ReLU函数以及dropout操作（探究不同dropout阈值对模型性能的影响情况）、选择合适的分类器对结果进行分类等,讨论对于Cifar10和GoogLeNet模型的改进,改进后GoogLeNet模型的top-1平均识别准确率达到98.9%,Cifar10模型的平均准确度达到98.8%,改进后的模型较改进前具有更好的识别精确度和更低的模型损失。（2）研究当数据集中图像数量一定时,利用超参数调整技巧调整超参数后,模型性能变化情况,调整的超参数包括:“Train batchsize”、“Test batchsize”、“lrpolicy”、“baselr”和“weightdecay”。此研究基于CNN模型:AlexNet、GoogLeNet和ResNet18。利用以上三种结构训练和测试玉米叶片图像数据集时,在模型超参数调整后,测试精确度平均分别提高6.075%、6.05%和6.4%;泛化测试准确度平均分别提高12.85%、7.025%和11.95%。（3）研究利用数据增强技术对原始1129张训练图像数据进行2倍（2258张）、4倍（4516张）和8倍（9032张）不同比例扩大,固定测试图像数量为400张,探究用于训练的图像数量对不同模型性能的影响。对于AlexNet、GoogLeNet、ResNet18模型,随着图像数量的增大,平均测试识别精确度分别从82.6%提升至93%、56.3%提升至91.8%、85.6%提升至92%,网络的过拟合现象逐渐消失且模型性能更加稳定。（4）研究在图像数量不变和变化时,不同的网络结构（网络复杂程度、网络深度、网络包含参数个数等）作用于不同数据集时,模型的性能。实验结果表明,不同深度与复杂度的CNN模型作用于不同的数据集时,模型性能好坏与模型结构之间相关性较弱。

关键词：深度学习深度卷积神经网络图像识别叶片病害模型性能

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的水稻田杂草识别研究

引用

华南农业大学学报 2020年第6期41卷 75-81页

作者：彭文兰玉彬岳学军程子耀王林惠岑振钊卢杨洪金宝国家精准农业航空施药技术国际联合研究中心/华南农业大学电子工程学院/人工智能学院广东广州510642 湖南科技学院电子与信息工程学院湖南永州425199

【目的】利用深度卷积神经网络对水稻田杂草进行准确、高效、无损识别,得出最优的网络模型,为水稻田种植管理以及无人机变量喷施提供理论依据。【方法】以水稻田杂草为主要研究对象,利用CCD感光相机采集杂草图像样本,构建水稻田杂草数据... 详细信息

【目的】利用深度卷积神经网络对水稻田杂草进行准确、高效、无损识别,得出最优的网络模型,为水稻田种植管理以及无人机变量喷施提供理论依据。【方法】以水稻田杂草为主要研究对象,利用CCD感光相机采集杂草图像样本,构建水稻田杂草数据集(PFMW)。利用多种结构的深度卷积神经网络对PFMW数据集进行特征的自动提取,并进行建模与试验。【结果】在各深度模型对比试验中,VGG16模型取得了最高精度,其在鬼针草、鹅肠草、莲子草、千金子、鳢肠和澎蜞菊6种杂草中的F值分别为0.957、0.931、0.955、0.955、0.923和0.992,其平均F值为0.954。在所设置的深度模型优化器试验中,VGG16-SGD模型取得了最高精度,其在上述6种杂草中的F值分别为0.987、0.974、0.965、0.967、0.989和0.982,其平均F值为0.977。在PFMW数据集的样本类别数量均衡试验中,无失衡杂草数据集训练出来的VGG16深度模型的准确率为0.900,而16.7%、33.3%和66.6%类别失衡的数据集训练的模型准确率分别为0.888、0.866和0.845。【结论】利用机器视觉能够准确识别水稻田杂草,这对于促进水稻田精细化耕作以及无人机变量喷施等方面具有重要意义,可以有效地协助农业种植过程中的杂草防治工作。

关键词：机器视觉稻田杂草深度卷积神经网络模型优化器

来源：评论

学校读者我要写书评

暂无评论

轻量化深度卷积神经网络设计研究进展

引用

计算机工程与应用 2024年第22期60卷 1-17页

作者：周志飞李华冯毅雄陆见光钱松荣李少波贵州大学省部共建公共大数据国家重点实验室贵阳550025 清华大学机械工程系北京100084

轻量化设计是解决深度卷积神经网络(deep convolutional neural network,DCNN)对设备性能和硬件资源依赖性的流行范式,轻量化的目的是在不牺牲网络性能的前提下,提高计算速度和减少内存占用。综述了DCNN的轻量化设计方法,着重回顾了近年... 详细信息

轻量化设计是解决深度卷积神经网络(deep convolutional neural network,DCNN)对设备性能和硬件资源依赖性的流行范式,轻量化的目的是在不牺牲网络性能的前提下,提高计算速度和减少内存占用。综述了DCNN的轻量化设计方法,着重回顾了近年来DCNN的研究进展,包括体系设计和模型压缩两大轻量化策略,深入比较了这两类方法的创新性、优势与局限性,并探讨了支撑轻量化模型的底层框架。此外,对轻量化网络已经成功应用的场景进行了描述,并对DCNN轻量化的未来发展趋势进行了预测,旨在为深度卷积神经网络的轻量化研究提供有益的见解和参考。

关键词：深度卷积神经网络轻量化体系设计模型压缩

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的多特征融合的手势识别

引用

液晶与显示 2019年第4期34卷 417-422页

作者：贠卫国史其琦王民西安建筑科技大学信息与控制工程学院陕西西安710055

针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积... 详细信息

针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成。为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络。这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73%。相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高。

关键词：手势识别手势提取多特征融合深度卷积神经网络鲁棒性

来源：评论

学校读者我要写书评

暂无评论

一种基于深度卷积神经网络的太阳能电池片缺陷检测方法

引用

传感技术学报 2023年第7期36卷 1165-1170页

作者：于舜夏炎郭朋伟侯荣旭张聿博周振柳沈阳工程学院信息学院辽宁沈阳110136 电力系统信息安全沈阳市重点实验室辽宁沈阳110136

太阳能电池片缺陷检测是太阳能电池板可靠运行的重要保证。基于计算机视觉技术的机器学习类缺陷检测方法存在诸如需要人工特征选择、训练参数过多以及某些缺陷类型检测效果差等问题。提出了一种基于深度卷积神经网络(DCNN)的太阳能电池... 详细信息

太阳能电池片缺陷检测是太阳能电池板可靠运行的重要保证。基于计算机视觉技术的机器学习类缺陷检测方法存在诸如需要人工特征选择、训练参数过多以及某些缺陷类型检测效果差等问题。提出了一种基于深度卷积神经网络(DCNN)的太阳能电池片缺陷检测方法。该方法以区分缺陷类别为检测目标,以太阳能电池片图像作为输入,构建一个包含3个卷积层、1个池化层、1个全连接层和1个输出层的深度网络。在训练网络参数的过程中,提出了参数个数优化策略,参数调整算法以及应对过拟合问题的措施。在数据集上的实验结果表明,DCNN方法对太阳能电池片的缺陷检测准确率可以达到97%以上,F值可达0.690。该方法在各个缺陷类别的检测准确率均要高于现有方法,其即时检测速度能够满足现实生产要求。

关键词：太阳能电池片缺陷检测机器学习深度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：