检索结果-内蒙古大学图书馆

作者：肖成成中国矿业大学

学位级别：硕士

图像分类是计算机视觉领域中四大关键技术之一,也是其他三大技术的基础。在图像分类任务中,如何提取出图像更全面、更抽象的特征是解决问题的关键所在。轻量型卷积神经网络(LCNN)作为一种具有较少参数量和较低计算复杂度的卷积神经网络(... 详细信息

图像分类是计算机视觉领域中四大关键技术之一,也是其他三大技术的基础。在图像分类任务中,如何提取出图像更全面、更抽象的特征是解决问题的关键所在。轻量型卷积神经网络(LCNN)作为一种具有较少参数量和较低计算复杂度的卷积神经网络(CNN),可以自主提取数据的特征表达,已广泛应用于图像分类任务中。损失函数是LCNN模型中的重要组成部分,用于评估模型预测结果与真实值之间的差异,决定了模型参数的更新,是衡量模型对原始数据图像特征提取能力好坏的重要标准。因此,基于LCNN模型的损失函数研究在提升模型性能方面有着重要的意义。然而,目前有关损失函数的相关研究主要聚焦于单损失函数的设计,旨在优化类内与类间距离,缺乏对如何获得具有代表性类原型来正则化类内距离的探讨与分析;其次,现有工作主要分析CNN倒数第二层特征表达的输出特性,缺乏对CNN中间层特征表达的探讨;再次,现有关损失函数改进的工作主要针对人脸识别、图像检索等任务,由于不同任务所依据的判别准则存在本质上的差异,将相应的损失函数应用于图像分类任务时,性能增益受到限制。针对上述研究存在的不足,本文面向基于LCNN的图像分类任务,开展有关损失函数优化方法研究,主要工作如下:(1)为了获得更具代表性的类原型,本文首先提出了多项式核损失函数。通过采用多项式核函数代替传统softmax损失函数中的内积,将低维空间中难以分离的特征向量映射到高维空间中,获得更具代表性类原型以正则化类内距离,从而更好地测量样本特征向量与其对应类原型的相似度。其次,利用多项式核损失函数构建层次化类原型多项式核损失函数,缓解了反向传播过程中梯度消失、爆炸现象,提升了LCNN模型的分类性能。(2)探究与分析LCNN不同卷积单元的输出特性,提出了层次化损失函数优化框架。通过融合多个损失函数在LCNN不同卷积单元中学到的知识,以获得目标对象全面而抽象的特征表达,提升模型的泛化性能。面向层次化损失函数协作优化问题,提出了基于量子遗传算法的层次化自适应损失函数优化框架(HALOF),构建自适应学习任务的模型。基于HALOF结构特点,提出两阶段再训练策略,提升了HALOF训练效率,同时提高了模型的抗过拟合能力。(3)为了进一步验证本文所提算法的有效性,分别在多个不同LCNN模型和不同类型的图像分类数据集上进行实验验证。实验结果表明,与基准模型相比,所提的两种算法在细粒度图像数据集上将准确率分别提升了约10%。该论文有图32幅,表15个,参考文献91篇。

关键词：图像分类深度学习轻量型卷积神经网络特征表达损失函数

来源：评论

学校读者我要写书评

暂无评论

基于轻量型卷积神经网络的高速公路车型识别系统的设计与实现

基于轻量型卷积神经网络的高速公路车型识别系统的设计与实现

引用

作者：蒋继霆山东大学

学位级别：硕士

随着社会经济的发展,我国高速公路网日益完善,同时高速公路上通行车辆的外形、载重大小及使用场景不断发生着变化,收费标准也不断变化。2020年1月1日,由交通部制订在全国内实行新版《收费公路车辆通行费车型分类》,即中华人民共和国交... 详细信息

随着社会经济的发展,我国高速公路网日益完善,同时高速公路上通行车辆的外形、载重大小及使用场景不断发生着变化,收费标准也不断变化。2020年1月1日,由交通部制订在全国内实行新版《收费公路车辆通行费车型分类》,即中华人民共和国交通运输行业标准JT/T 489-2019,该标准修订了以往车型收费的标准,如改变货车的计费方法,采用按车（轴）型的收费方式。近年来,随着深度学习的不断进步,卷积神经网络识别图形图像的准确率越来越高,本文主要是针对新版收费公路车型分类标准的变化,提出一种基于轻量型卷积神经网络的高速公路车型识别系统,该系统部署在边缘计算设备上,实现了对高速公路上通行车辆的实时检测,可用于高速公路车辆收费、ETC车辆信息匹配和车辆稽查等领域。本文建立了高速公路车型数据集,该数据集依据新版高速公路通行车辆收费标准进行划分,包含客车、货车和专项作业车三个大类,并细化为18个类别标签,包括多条高速公路和多种气象环境下的图像。并且采取数据增强的方式对数据图像进行扩充,包括几何变换方法中的裁剪、平移和镜像,色彩变换方法中的加噪声和改变亮度,该数据集共有19302幅图像。本文以目标检测算法YOLOv3和Mobilnetv3large为基础,设计了一个轻量型卷积神经网络模型,构建了三个网络输出层,设计了 DBR模块,即二维卷积层、批归一化层和Relu6激活函数层,可以提升模型的运行速度。利用GIoU损失函数、Soft-NMS方法以及K均值聚类算法来提升神经网络模型的检测精度,并且搭建实验平台设计对比实验,通过并行训练的方式提高模型实验效率,经过测试,论文提出的轻量型卷积神经网络模型的mAP值为90.72%,能够有效地检测高速公路上通行车辆的车型信息。本文将评估后的轻量型卷积神经网络模型移植到边缘计算设备NVIDIA Jetson TX1上,该设备可以安装在高速公路云台上,区别于传统视频数据传输到后台服务器进行处理识别的方式,其可以实现对高速公路上通行车辆的实时检测,节约了数据传输时间和成本。采用TensorRT框架,对神经网络模型的优化,整合卷积层、批归一化层和Relu6激活函数层,并通过合并拼接层等操作,实现了卷积神经网络模型在硬件设备的部署和推理运行,检测一帧图像的平均时间为35.89ms,实现了对高速公路通行车辆车型信息的实时检测。

关键词：轻量型卷积神经网络目标检测高速公路车型识别

来源：评论

学校读者我要写书评

暂无评论

基于轻量型卷积神经网络的交通标志识别方法

引用

计算机系统应用 2020年第2期29卷 198-204页

作者：程越刘志刚东北石油大学计算机与信息技术学院

交通标志识别设备的功耗和硬件性能较低,而现有卷积神经网络模型内存占用高、训练速度慢、计算开销大,无法应用于识别设备.针对此问题,为降低模型存储,提升训练速度,引入深度可分离卷积和混洗分组卷积并与极限学习机相结合,提出两种轻... 详细信息

交通标志识别设备的功耗和硬件性能较低,而现有卷积神经网络模型内存占用高、训练速度慢、计算开销大,无法应用于识别设备.针对此问题,为降低模型存储,提升训练速度,引入深度可分离卷积和混洗分组卷积并与极限学习机相结合,提出两种轻量型卷积神经网络模型:DSC-ELM模型和SGC-ELM模型.模型使用轻量化卷积神经网络提取特征后,将特征送入极限学习机进行分类,解决了卷积神经网络全连接层参数训练慢的问题.新模型结合了轻量型卷积神经网络模型内存占用低、提取特征质量好以及ELM的泛化性好、训练速度快的优点.实验结果表明.与其他模型相比,该混合模型能够更加快速准确地完成交通标志识别任务.

关键词：轻量型卷积神经网络交通标志识别 VGG16网络极限学习机

来源：评论

学校读者我要写书评

暂无评论

改进卷积神经网络的单词级语音活体检测方法

引用

重庆邮电大学学报（自然科学版） 2024年第1期36卷 39-48页

作者：李志刚宋晓婷郭琪美孙晓川华北理工大学人工智能学院河北唐山063210 河北省工业智能感知重点实验室河北唐山063210

为提高智能家居语音验证系统中重放语音的检测精度,提出了一种新型的单词级语音活体检测方法,采用轻量型卷积全局门控循环神经网络(light convolutional global gate recurrent neural network, LC-GGRNN)作为深度特征提取器,由支持向量... 详细信息

为提高智能家居语音验证系统中重放语音的检测精度,提出了一种新型的单词级语音活体检测方法,采用轻量型卷积全局门控循环神经网络(light convolutional global gate recurrent neural network, LC-GGRNN)作为深度特征提取器,由支持向量机(support vector machine, SVM)执行真实和重放语音的分类,即LC-GGRNN-SVM框架。LC-GGRNN是在轻量型卷积神经网络的基础上引入了全局注意力机制和门控循环单元,前者关注提取特征的通道信息、空间信息以及通道与空间相互作用的信息,后者学习深度特征的长期相关性。提取POCO(pop noise corpus)数据集中音频文件的3种声学特征分别用于模型训练、验证和测试。结果表明,提取的伽马通频率倒谱系数声学特征在所提方法上检测效果最好,准确率、等错误率分别为85.72%、14.28%,错误接受率和错误拒绝率之和为28.59%,所提方法在POCO上的语音活体检测还具有性别依赖性。此外,所提方法对句子级重放语音检测也具有较好的泛化性。

关键词：语音活体检测声学特征气爆杂音轻量型卷积神经网络支持向量机(SVM) POCO数据集

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的小麦病害识别及严重度分级方法研究

基于卷积神经网络的小麦病害识别及严重度分级方法研究

引用

作者：杨兴华安徽大学

学位级别：硕士

对田间小麦的健康状况进行监测,有利于控制病害的传播并实施有效的田间管理方法。随着视觉领域中图像识别技术的发展,卷积神经网络在农作物病害的识别和严重度评估领域被广泛使用。因此,研究基于卷积神经网络的田间小麦病害与严重度等... 详细信息

对田间小麦的健康状况进行监测,有利于控制病害的传播并实施有效的田间管理方法。随着视觉领域中图像识别技术的发展,卷积神经网络在农作物病害的识别和严重度评估领域被广泛使用。因此,研究基于卷积神经网络的田间小麦病害与严重度等级的自动诊断方法,有利于田间农业专家系统的构建,对指导农业生产具有重要的意义。本文针对田间自然场景图像中的小麦病害的识别与严重度分级问题,做出了如下研究: 1、设计了一种轻量型的卷积神经网络模型Simple Net,用于田间小麦颖枯病和赤霉病的自动识别。Simple Net主要利用卷积和倒残差块搭建,本文在倒残差块中引入了结合空间注意力机制和通道注意力机制的卷积块注意力模块(Convolutional Block Attention Module,CBAM)来提高模型对病害特征的表示能力,使模型关注图像中重要的特征而抑制不必要的特征,降低图像中复杂背景对模型识别性能的影响。同时,本文设计了特征融合模块,将倒残差块进行下采样时输出的特征图与平均池化层输出的特征图进行拼接,实现不同深度特征间的融合,减少网络在下采样过程中造成病害特征的损失。实验结果表明,本文提出的Simple Net模型在测试数据集的识别准确率高于VGG16,Res Net50,Alxe Net等经典卷积神经网络模型和Mobile Net v1,v2,v3等轻量型卷积神经网络模型,并且模型的参数量仅2.13M。 2、提出了一种卷积神经网络结合度量学习的小麦赤霉病严重度分级方法。首先使用图像分割模型U-Net和图像处理方法去除麦穗图像中冗余的背景部分,再通过Mobile Net v2模型的卷积基对去除背景后的麦穗图像进行特征提取。由于在病害严重度分级数据中相邻严重度等级间的样本差异小,使分类器难以准确区分,本文采用大间隔最近邻(Large margin nearest neighbor,LMNN)算法将Mobile Net v2模型提取的深度特征映射到新的度量空间,使相同类别的样本距离更小,不同类别的样本保持一个较大的间隔,从而提高严重度分级的准确率。实验结果表明,本文提出的严重度分级方法相比于基线网络Mobile Net v2提高了3.5%。并且通过Res Net50、Dense Net121、Efficient Net等卷积神经网络模型对本文方法进行了验证,结果表明,本文提出的方法有助于提高模型在小麦赤霉病严重度分级任务中的准确率。

关键词：小麦病害识别轻量型卷积神经网络严重度分级度量学习

来源：评论

学校读者我要写书评

暂无评论

基于轻量型卷积视觉Transformer的锑浮选工况识别

引用

激光与光电子学进展 2023年第6期60卷 249-261页

作者：陈奕霏蔡耀仪李诗文湖南师范大学工程与设计学院湖南长沙410083

依靠人工观测锑浮选泡沫特征进行锑浮选工况识别,主观性强、误差大,严重制约浮选性能.基于计算机视觉的识别方法成本低、效果好.针对以上问题,提出一种基于轻量型卷积视觉Transformer(L-CVT)的锑浮选工况识别方法.通过Transformer层的... 详细信息

依靠人工观测锑浮选泡沫特征进行锑浮选工况识别,主观性强、误差大,严重制约浮选性能.基于计算机视觉的识别方法成本低、效果好.针对以上问题,提出一种基于轻量型卷积视觉Transformer(L-CVT)的锑浮选工况识别方法.通过Transformer层的堆叠代替标准卷积中矩阵乘法来学习全局信息,将卷积中的局部建模更替为全局建模,同时引入轻量型神经网络MobileNetv2中的子模块,减少计算成本.所提方法解决了卷积神经网络(CNN)忽略浮选图像内部长距离依赖关系的问题,同时也弥补了视觉Transformer(VIT)缺乏归纳偏置的缺点.实验结果表明,基于所提方法的锑浮选工况识别准确率最高可达93.56%,明显高于VGG16、ResNet18、AlexNet等主流网络,为锑浮选数据在工况识别领域提供了重要参考.

关键词：机器视觉锑浮选工况识别计算机视觉轻量型卷积神经网络视觉Transformer

来源：评论

学校读者我要写书评

暂无评论

基于LAM-Net的轨道侵入界异物自主检测系统

引用

仪器仪表学报 2022年第9期43卷 206-218页

作者：叶涛赵宗扬郑志康中国矿业大学(北京)机电与信息工程学院北京100083

针对轨道入侵异物对行车安全造成的极大威胁,而现有的轨道目标检测算法难以平衡检测精度和速度、易受复杂环境影响以及难以部署于嵌入式设备等问题,提出了一种轻量型自适应多尺度卷积神经网络,其通过特征图线性变换简化特征提取过程,使... 详细信息

针对轨道入侵异物对行车安全造成的极大威胁,而现有的轨道目标检测算法难以平衡检测精度和速度、易受复杂环境影响以及难以部署于嵌入式设备等问题,提出了一种轻量型自适应多尺度卷积神经网络,其通过特征图线性变换简化特征提取过程,使用自适应多尺度特征融合优化特征表达能力,并通过设计轻量型注意力进一步提升异物检测精度;同时,结合NVIDIA Jetson TX2嵌入式平台,研制了轨道入侵异物自主检测系统。实验结果表明,本文提出的模型很好地平衡了检测速度和精度,在NVIDIA GeForce GTX1080Ti的GPU平台上对轨道数据集的检测速度为297 FPS,检测精度为92.96%,比YOLOv4-tiny高7.72%,实现了在轨道交通复杂场景下高精度、高速度以及高鲁棒性的检测入侵异物。

关键词：目标检测算法轻量型卷积神经网络深度学习轨道入侵异物自适应特征融合检测系统

来源：评论

学校读者我要写书评

暂无评论

基于NSGA-Ⅱ的自适应多尺度特征通道分组优化算法

引用

计算机应用 2023年第5期43卷 1401-1408页

作者：王彬向甜吕艺东王晓帆西安理工大学计算机科学与工程学院西安710048 陕西省网络计算与安全技术重点实验室(西安理工大学) 西安710048

针对轻量型卷积神经网络(LCNN)的精确度和复杂度均衡优化问题,提出基于快速非支配排序遗传算法(NSGA-Ⅱ)的自适应多尺度特征通道分组优化算法对LCNN特征通道分组结构进行优化。首先,将LCNN中的特征融合层结构的复杂度最小化和精确度最... 详细信息

针对轻量型卷积神经网络(LCNN)的精确度和复杂度均衡优化问题,提出基于快速非支配排序遗传算法(NSGA-Ⅱ)的自适应多尺度特征通道分组优化算法对LCNN特征通道分组结构进行优化。首先,将LCNN中的特征融合层结构的复杂度最小化和精确度最大化作为两个优化目标,进行双目标函数建模及理论分析;然后,设计基于NSGA-Ⅱ的LCNN结构优化框架,并在原始LCNN结构的深度卷积层之上增加基于NSGA-Ⅱ的自适应分组层,构建基于NSGA-Ⅱ的自适应多尺度的特征融合网络NSGA2-AMFFNetwork。在图像分类数据集上的实验结果显示,与手工设计的网络结构M_blockNet_v1相比,NSGA2-AMFFNetwork的平均精确度提升了1.2202个百分点,运行时间降低了41.07%。这表明所提优化算法能较好平衡LCNN的复杂度和精确度,同时还可为领域知识不足的普通用户提供更多性能表现均衡的网络结构选择方案。

关键词：轻量型卷积神经网络特征提取通道分组优化双目标函数建模快速非支配排序遗传算法图像分类进化算法

来源：评论

学校读者我要写书评

暂无评论

面向金融双录的视频动作识别系统设计

面向金融双录的视频动作识别系统设计

引用

作者：江卓聪电子科技大学

学位级别：硕士

为了提升银行及其他金融机构在理财产品销售过程中的风险控制能力,确保产品销售过程的规范性并减少违规行为的发生,监管部门要求金融机构在销售过程中实施同步录音录像,即双录系统,来增加交易的透明度和可追溯性。随着金融行业合规要求... 详细信息

为了提升银行及其他金融机构在理财产品销售过程中的风险控制能力,确保产品销售过程的规范性并减少违规行为的发生,监管部门要求金融机构在销售过程中实施同步录音录像,即双录系统,来增加交易的透明度和可追溯性。随着金融行业合规要求的日益严格,金融机构亟需提高理财及代销产品销售业务的合规性和效率。然而,传统的双录系统主要依赖人工质检,存在效率低、成本高、准确性不足等问题。为了解决上述问题,本文重点研究了智能双录系统中的动作识别模块,利用人工智能技术实现对金融业务办理过程中关键动作的自动识别和检测,特别关注签字和出示身份证这两个动作,以助力金融机构高效合规地开展业务。在此研究背景之下,本文的主要研究内容与创新点如下: (1)针对输入视频包含大量无关背景信息的问题,提出了一种两阶段动作识别方法,包括目标检测阶段和动作分类阶段。前一阶段定位视频帧中的关键目标,实现对视频画面的裁剪;后一阶段对裁剪后的视频片段进行精确的动作识别。 (2)针对系统计算开销较高的问题,设计了一种融合音频信息的动作定位技术,通过定位音频中关键业务动作发生的时间点,实现对双录视频的分段切割。 (3)针对签字动作识别存在的模糊性问题,开发了一种基于OCR和投票机制的文本变化检测算法,通过检测纸张文本内容变化与否来辅助判断签字动作是否确切发生。针对身份证图像畸变问题,设计了一种基于霍夫变换的身份证畸变矫正算法。此外,还提出了身份证文字信息提取和人证合一验证的算法,进一步提升了系统的安全性能。 (4)针对现有模型参数量较大而不利于实时质检的问题,分别对目标检测模型和动作识别模型进行了轻量化处理,同时还对轻量化模型进行高效部署,显著提高了模型的推理速度,确保了系统的实时性能。 (5)针对视频录制中可能出现的画面模糊问题,设计了一种手部自动聚焦算法,确保手部图像位于画面的中心,提升了图像捕捉的质量。通过仿真实验验证,本研究所提出的系统和方法显著提升了业务办理的合规性和效率,为金融服务行业提供了一种高效的技术解决方案。

关键词：智能双录系统视频分析动作识别目标检测轻量型卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于轻量型网络的无人机图像中茶叶枯病检测和严重程度估计

基于轻量型网络的无人机图像中茶叶枯病检测和严重程度估计

引用

作者：谢一帆安徽大学

学位级别：硕士

茶叶因其食用性和药用性而受到广泛关注，成为我国重要的经济作物。然而，茶叶在生长过程中容易遭受病害侵染。其中，茶叶枯病是一种常见、分布广泛的病害。检测和估计不同严重程度的茶叶枯病，有利于指导茶农精准喷洒农药，减少茶叶损... 详细信息

茶叶因其食用性和药用性而受到广泛关注，成为我国重要的经济作物。然而，茶叶在生长过程中容易遭受病害侵染。其中，茶叶枯病是一种常见、分布广泛的病害。检测和估计不同严重程度的茶叶枯病，有利于指导茶农精准喷洒农药，减少茶叶损失保证茶叶质量。随着无人机遥感技术的发展，无人机遥感与机器学习模型相结合，可以准确检测较大面积茶园的茶叶病害并估计病害的严重程度。但是，无人机采集的图像中存在茶叶枯病病斑之间形状不同、病斑与背景之间相似度高、不同严重程度的病叶尺度差异大，检测和评估模型的参数量大等因素给实时准确地检测和估计不同严重程度的茶叶枯病带来了挑战。　　本文在YOLOv5目标检测网络的基础上构建了一个轻量型卷积神经网络对无人机图像中茶叶枯病进行检测，在降低模型参数量和浮点运算量的同时，实现对野外茶园无人机图像中的茶叶枯病快速、精准地检测。本文还采用多尺度模块提高不同尺度差异表达能力，并且调整网络的通道数量，构建了一个多尺度轻量型网络对上一步骤检测出的病叶进行严重程度的估计。论文的主要内容及研究结果如下:　　1、分析了国内外对农作物尤其是茶叶病害检测和严重程度估计的研究现状。介绍了携带采集设备的无人机获取野外茶园中茶叶枯病图像数据，并对本文使用的无人机图像进行裁剪、标注、增强等预处理。　　2、提出了一种LiTLBNet轻量型检测网络对无人机图像中患有茶叶枯病的病叶进行检测的方法。首先，对原始无人机图像采用50个像素重叠剪切的方法裁剪成大小均等的256个图像块，送入检测网络前统一缩放到640 × 640的大小，并针对样本不足及背景单一造成模型过拟合问题，采用了旋转、添加噪声和合成图像的方法进行数据增广，以提高模型的检测精度。然后，构建了一个轻量型网络LiTLBNet来对无人机图像中茶叶枯病进行实时检测。LiTLBNet网络使用轻量型骨干提取茶叶枯病病斑的可区分性特征，将颈部网络最大特征图删除并加入注意力模块，帮助网络学习病斑的通道维度综合特征。利用LiTLBNet网络对另一个区域的茶园进行测试，结果表明，与经典的目标检测网络比较，该网络检测的平均精度均值在保持较高水平的基础上，网络的参数量、浮点运算量和模型内存占用量都有显著降低。　　3、针对轻量型检测网络LiTLBNet的检测结果，对检测出的患有茶叶枯病的病叶进行严重程度估计。根据病斑占整个病叶面积的比例大小，来对病叶进行0-3级严重程度的划分，并提出了一种基于多尺度轻量型网络的无人机图像中茶叶枯病严重程度估计方法。该方法在GoogLeNet网络的基础上进行优化，调整网络的通道数量以减少冗余特征并使模型轻量化，使用Li-Inception多尺度模块在降低参数量的同时提取尺度差异较大的类别间的特征信息，添加ECA注意力模块突出病斑区域的特征。更改损失函数为Focal Loss函数，减少网络的训练时间。此外，通过旋转操作对病叶图像进行扩充，平衡各类别之间的数量，并且对所有图像进行填充，避免图像输入网络时因直接裁剪尺寸而丢失部分的结构信息。实验结果表明，通过改进inception模块，添加ECA模块，更改Focal Loss函数及调整通道数，相比于其他的经典分类网络和轻量型分类网络，本文提出的网络模型在最小参数量及最小模型内存占用量的基础上实现了最高的准确率。

关键词：茶叶枯病目标检测遥感图像 YOLOv5算法轻量型卷积神经网络多尺度轻量型网络

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：