检索结果-内蒙古大学图书馆

作者：赵京京中国科学院大学(中国科学院空天信息创新研究院)

学位级别：硕士

在全球气候变化背景下,极地冰盖正发生着巨大的变化,通过研究冰盖表面特征可以帮助人类研究气候变化科学,应对气候灾害等问题。冰裂隙作为冰川表面重要的结构,几乎在所有冰川、冰盖和冰架中都很常见,是冰川内应力的外在表现,是评估冰川... 详细信息

在全球气候变化背景下,极地冰盖正发生着巨大的变化,通过研究冰盖表面特征可以帮助人类研究气候变化科学,应对气候灾害等问题。冰裂隙作为冰川表面重要的结构,几乎在所有冰川、冰盖和冰架中都很常见,是冰川内应力的外在表现,是评估冰川稳定性,量化物质损失的重要指标。同时,冰裂隙也是冰川表面水文过程的基本水文单元,影响冰面融水输送的效率和方式,是反映冰川物质平衡的重要指标。目前针对于冰裂隙研究探测精度有待提高,缺乏定量化统计分析,对南北极冰裂隙特征及差异缺乏认识。本论文基于具有穿透能力强,观测范围广的Sentinel-1 SAR数据,利用深度学习的方法实现南北极典型冰架/冰川冰裂隙的自动化探测提取。对南北极典型冰盖/冰川表面的冰裂隙进行特征统计分析,主要包括裂隙长度、密度和类型特征,探究南北极冰裂隙分布及特征的差异。分析研究南北极典型冰川裂隙对冰川表面消融的影响异同,进一步分析裂隙特征对表面消融的机制。结果表明,应用u-net网络进行冰裂隙探测提取,可实现良好的精度结果。在南极冰裂隙探测平均精确度为81%,召回率为73%,F1值为76%,准确率为84%,在格陵兰平均精确度为85%,召回率为86%,F1值为86%,准确率为86%。南极典型区域冰裂表现为长而稀疏的,类型较为丰富。格陵兰典型区域冰裂隙为短而密集的,类型较为单一。南极各典型区域冰裂隙长度、密度和类型特征差异较大,格陵兰则差异较小。此外,研究了冰流速与冰裂隙密度的关系,结果证明高冰面流速的冰川表面裂隙密度大,冰面流速不同可能会形成不同裂隙类型。考虑冰厚度对冰裂隙传播导致崩解过程中的重要作用,冰川厚度较薄的区域更容易发生密集裂隙。在区域小尺度条件下,裂隙的存在会显著增强冰川表面消融过程,使得裂隙区域比非裂隙区域更早开始出现消融。裂隙密度越大,对冰川表面消融情况影响更为剧烈。同时,裂隙作为冰川表面水文过程的重要单元承担着输送表面融水的角色,不仅使得裂隙周围的消融面积呈现离散化形态,而且可能成为冰川表面融水输送的终点。

关键词：南极格陵兰 Sentinel-1 SAR数据 u-net模型冰裂隙

来源：评论

学校读者我要写书评

暂无评论

基于自编码器的心电异常检测方法

基于自编码器的心电异常检测方法

引用

作者：牛静中国医科大学

学位级别：硕士

目的:随着心血管疾病的发生率逐年上升,预防和诊断心血管疾病迫在眉睫。对于仅仅依靠医生对心电信号做出诊断,效率非常低下且具有挑战性,因此家庭便携式监护仪越来越普遍。基于便携式监护仪能够在家庭中实现心电信号的异常检测与分类,... 详细信息

目的:随着心血管疾病的发生率逐年上升,预防和诊断心血管疾病迫在眉睫。对于仅仅依靠医生对心电信号做出诊断,效率非常低下且具有挑战性,因此家庭便携式监护仪越来越普遍。基于便携式监护仪能够在家庭中实现心电信号的异常检测与分类,本文提出了引入跳连接的卷积自编码器算法,和基于注意力机制的多尺度卷积分类网络。自编码器利用重构误差与阈值的大小关系对模型没有学习过的心电信号数据类型做出异常判决,以告知使用者异常情况的发生;而对于模型学习过的心电信号类型,分类模型会指出具体的心电心拍类型,使患者在家就能够知道自己的患病情况。将心电异常检测与分类模型应用于家庭便携式心电监护仪上时,患者发现状况可以及时到医院就诊,从而能够降低心脏疾病的发生率,为医生提供临床诊断依据。方法:本研究分为异常检测与分类两部分。异常检测部分在卷积自编码器的基础上加入skip connection结构,利用输入数据与重构数据之间的误差与阈值的大小关系来检测异常心电心拍,重构误差大于阈值判定为异常心电心拍。在排除异常心电心拍之后,异常检测网络学习过的心电数据会接着进入加入混合注意力机制的多尺度卷积分类网络,实现四种心电心拍的分类。本文对MIT-BIH心律失常数据库,进行小波去噪、心拍截取、归一化等预处理,选取正常类(N)、右束支传导阻滞(R)、左束支传导阻滞(L)、房性早搏(A)作为训练集进行模型的训练,将室性早搏(V)视为异常心电数据,在测试阶段将其做异常检测;N、A、R、L四类心电数据,进入多分类模型进行分类。结果:异常检测模型,在激活函数的选择、跳连接的方式上进行组合实验,提出的SCCAE模型在性能上都有所提升,准确率为94.16%,精确率为94.32%,召回率为95.81%,F1值为95.06%,实现了较高的异常检测分类结果。对于MACNN分类模型,在预实验阶段发现,CBAM比SAM、CAM在ECG信号分类上效果更佳。接下来使用MACNN与经典网络CNN、VGG16、Res net18做对比实验,发现该模型的分类效果最好,准确率为98.45%,精确率为97.99%,召回率为98.77%,F1值为98.38%,相比于其他网络,在准确率、精确率、F1值等都有了一定的提升。在异常检测和四分类之后,将异常检测的预测值与四分类的预测值进行合并,计算级联后的各个指标。结果表明,异常检测模型与多分类模型进行结合整体上可以达到不错的分类效果。结论:本文针对心电信号提出异常检测模型与分类模型,实现异常心电心拍的检测以及已知心电心拍的分类。将异常检测模型与分类模型应用到便携式心电监护仪中,人们在家即可利用设备对心电信号进行检测,这对协助医生做出临床诊断,提高临床诊断效率具有积极意义。

关键词：异常检测自编码器 u-net模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于语义分割的磁瓦表面缺陷检测

基于语义分割的磁瓦表面缺陷检测

引用

作者：施铭昊吉林大学

学位级别：硕士

工业零件的表面缺陷检测是工业生产中最关键的一环,但大多数工厂还是采用人工目检的方式进行。智能化与自动化是行业趋势,是近代产业革命的主题,为探究表面缺陷检测的自动检测技术,本文在磁瓦数据集上,基于深度学习模型u-net进行了磁瓦... 详细信息

工业零件的表面缺陷检测是工业生产中最关键的一环,但大多数工厂还是采用人工目检的方式进行。智能化与自动化是行业趋势,是近代产业革命的主题,为探究表面缺陷检测的自动检测技术,本文在磁瓦数据集上,基于深度学习模型u-net进行了磁瓦缺陷的语义分割检测研究,设计了以新型特征提取网络Rep VGG为编码器的u-net语义分割模型,剔除了u-net编码器头部的扩充通道冗余结构使网络呈现对勾型,并在VOC数据集进行知识迁移,采用多种损失函数结合的训练策略应对小样本和样本不平衡问题,最终模型在速度和精度上都取得不错的效果。首先,本文介绍了表面缺陷检测的研究背景,包括基于深度学习的机器视觉表面缺陷检测研究现状,深度卷积神经网络和语义分割算法等概念;其次介绍了本文模型相关的模型架构、度量学习等内容;最后展示了我们的模型及一些对比实验和消融实验结果。实验结果表明本文所采用的结构以及训练策略是有效的,模型的分割精度在m Io u和m PA两种指标下都取得不错效果,模型占用内存比较小,推理速度较快,整体表现比较优异。

关键词：缺陷检测卷积神经网络语义分割 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于高分一号卫星数据的大豆种植区提取

基于高分一号卫星数据的大豆种植区提取

引用

作者：严豪安徽大学

学位级别：硕士

大豆是中国最主要的粮食作物和油料作物,准确提取种植区对掌握种植面积、长势营养、空间分布等具有重要意义。基于遥感技术的探测范围广、数据类型丰富、动态监测等优点,可以客观有效地对大豆种植区进行大范围监测和提取,便于及时准确... 详细信息

大豆是中国最主要的粮食作物和油料作物,准确提取种植区对掌握种植面积、长势营养、空间分布等具有重要意义。基于遥感技术的探测范围广、数据类型丰富、动态监测等优点,可以客观有效地对大豆种植区进行大范围监测和提取,便于及时准确地掌握大豆的种植情况,对于我国大豆产品的存储和进出口具有重要意义。本文利用国产高分一号(GF-1)卫星影像作为数据源,选取安徽省北部典型大豆种植区临湖镇和标里镇为研究区,开展大豆种植区提取方法研究。主要工作如下: (1)基于机器学习算法的大豆种植区提取对比研究。本文基于经过正射校正、大气校正、图像融合裁剪等预处理操作得到的空间分辨率为2米(m)研究区影像,通过目视解译的方式,进行五类地物类型的标注,包括大豆种植区、水体、建筑物与道路、裸地和其他作物,选取实验所需的训练样本。通过J-M距离和转换分离度来判定所选样本是否满足要求,通过ISODATA非监督分类图作为辅助图像为样本标注提供支持。在ENVI遥感处理平台中,采用支持向量机、最大似然法、人工神经网络和CART决策树四种分类器进行大豆种植区分类提取实验,结果显示最大似然法分类器的总体分类精度最高,达到了79.28%,大豆种植区的提取精度达到了89.59%。利用传统机器学习算法对大豆种植区提取具有快速方便的特点,在大范围提前识别大豆种植区方面具有较大的应用前景。 (2)基于u-net网络的大豆种植区提取方法。传统机器学习方法在大豆种植区提取方面表现提取精度不足,不能满足高精度提取的要求,为了进一步改善大豆提取效果,本文采用深度学习中应用广泛的u-net网络提取大豆种植区,通过设置128×128、256×256和512×512三种裁剪尺寸,对比并计算网络20、40、60、80、100个迭代周期训练得到的模型来对比测试提取结果的影响,为了验证u-net网络在大豆种植区提取中的效果,作为对比实验,本文选用基于Seg net网络和Deeplabv3+网络来对比实验,结果显示提取的整体精度最高的是u-net网络,其中总体精度达到了92.31%,重要的评价指标平均交并比达到了81.35%,比Seg net网络整体精度高出了近四个百分点,平均交并比高出了十个百分点。比Deeplabv3+网络平均交并比高出了8.89%,验证了u-net网络在大豆种植区提取方面的性能优于Seg net网络和Deeplabv3+网络。u-net网络作为语义分割网络的一种,在提取大豆种植区这种二分类问题中,展示了良好的效果,比其他两种网络在遥感提取中表现更为突出。本文基于国产高分一号卫星影像,对比了机器学习和深度学习算法在大豆种植区提取中的效果。结果表明,采用机器学习中的监督分类方法提取大豆种植区时,具有快速、高效的特点,而基于深度学习的u-net网络提取大豆种植区时,具有网络简单、识别准确等特点,且取得了更好的提取效果。本研究成果可以为与试验区条件相似的地区提取大豆种植区提供借鉴,也可为研究区大豆的种植、生长、田间管理等提供依据。

关键词：大豆种植区提取高分一号机器学习监督分类 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net方法的脑肿瘤磁共振图像分割

引用

中南民族大学学报（自然科学版） 2021年第4期40卷 417-423页

作者：蔡畅陈军波陈心浩中南民族大学生物医学工程学院武汉430074

为提高脑肿瘤磁共振图像分割精度,在u-net图像分割方法基础上,提出了一种引入注意力机制的深度学习改进模型,利用全局上下文信息,使模型重点关注需要分割区域的特征,并抑制无关的特征,以此提高模型的分割精度,同时引入残差块来加速模型... 详细信息

为提高脑肿瘤磁共振图像分割精度,在u-net图像分割方法基础上,提出了一种引入注意力机制的深度学习改进模型,利用全局上下文信息,使模型重点关注需要分割区域的特征,并抑制无关的特征,以此提高模型的分割精度,同时引入残差块来加速模型的训练.实验结果表明:提出的改进模型相比u-net方法,脑肿瘤MRI图像的分割精度有了提高,具有良好的分割性能.

关键词：脑肿瘤磁共振图像分割卷积神经网络 u-net模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于u-net的多尺度融合视网膜血管分割算法

引用

昆明理工大学学报（自然科学版） 2021年第5期46卷 56-64页

作者：易三莉杨雪莲王天伟佘芙蓉熊馨昆明理工大学信息工程与自动化学院云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于u-net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重... 详细信息

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于u-net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重,更多地保留了血管的边缘和细微结构信息.其次在编码部分采用空洞卷积构建空洞空间金字塔池化模块代替传统卷积块,来扩大算法的感受野,从而在不增加网络参数的同时进行多尺度特征融合,提取更丰富的空间信息.通过在DRIVE数据集上进行验证,实验结果表明:本算法的准确率和AuC值分别达到0.9572、0.9811,与u-net等其他基于深度学习的算法相比分割效果更优,从而验证本算法在视网膜血管分割中更加有效.

关键词：视网膜血管分割 u-net模型短跳跃连接空洞卷积多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

基于粒计算的u-net视网膜血管分割方法及应用研究

基于粒计算的U-Net视网膜血管分割方法及应用研究

引用

作者：孙颖南通大学

学位级别：硕士

目前利用深度神经网络实现视网膜血管的智能精准分割已经成为领域内的研究热点。然而视网膜血管存在边界模糊不清、血管粗细不一,甚至被病变区域遮盖等现象。这些现象将会导致深度神经网络在分割视网膜血管时面临两类不确定信息,即特征... 详细信息

目前利用深度神经网络实现视网膜血管的智能精准分割已经成为领域内的研究热点。然而视网膜血管存在边界模糊不清、血管粗细不一,甚至被病变区域遮盖等现象。这些现象将会导致深度神经网络在分割视网膜血管时面临两类不确定信息,即特征通道不确定性和边界标签不确定性。特征通道不确定性将会影响通道注意力系数,导致深度网络无法关注视网膜血管细节特征。边界标签不确定性将会导致不正确的反向传播信息,导致无法训练出有效的分割模型。为解决上述不确定性信息对分割结果的影响,本文在深度神经网络中结合粒计算相关理论,设计鲁棒的视网膜血管分割模型,并实现视网膜血管智能分割辅助诊断应用系统。具体研究内容如下:(1)针对视网膜血管特征通道的不确定性,提出基于粗糙通道注意力机制的视网膜血管分割方法。该方法首先将深度神经网络学习复杂特征的能力和粗糙集处理不确定性信息的能力相融合,设计粗糙神经元;接着基于粗糙神经元构建粗糙通道注意力机制模块,并将其嵌入u-net模型的跳跃连接中,实现高低特征的融合;然后添加残差连接,将低层特征直接传递给高层特征,不仅丰富网络特征提取,并且有助于训练模型时梯度的反向传播;最后在三个视网膜血管数据集上验证方法的有效性,实验结果表明本文所提方法在准确率和敏感度指标上均有显著提升。(2)针对血管边界标签的不确定性,提出基于三支损失函数的u-net视网膜血管分割方法。该方法首先利用膨胀和腐蚀算子分别构建不确定边界的上下界,将存在不确定信息的血管边界映射到一个范围之内;接着将边界的不确定性与网络损失函数相联合并提出三支损失函数,该损失函数分别计算预测边界与手工分割金标准图、不确定边界上界图和不确定边界下界图的交叉熵损失,并以加权融合的方式生成最终的损失;然后利用三支损失函数的总损失,采用随机梯度下降算法训练网络参数;最后在三个视网膜血管数据集上验证方法的有效性,实验结果说明本文所提三支损失函数可以显著提升分割的准确率。(3)在上述研究基础上,设计并实现视网膜血管智能分割辅助诊断应用系统。该应用系统实现了数据采集功能、视网膜血管智能精准分割功能以及辅助诊断功能。其中数据采集模块负责患者基本信息的录入和彩色眼底视网膜血管图像的上传;视网膜血管智能分割模块利用本文所提基于粗糙通道注意力机制的u-net模型和基于三支损失函数的u-net模型实现对彩色眼底图像的智能分割;辅助诊断模块中医生基于患者的基本信息、眼底相机采集的彩色视网膜血管图像以及相对应的视网膜血管分割结果图,分析患者病情并填写诊断意见。该应用系统对眼科医生和心内科医生的辅助诊断具有较好的实用性。本文结合粒计算处理不确定性信息的能力及深度学习模型高效的特征学习能力,实现对眼底图像中细粒度视网膜血管的精准分割,并基于所提两类模型开发辅助诊断应用系统,相关研究成果对视网膜血管智能分割具有较好的研究意义与实用价值。

关键词：粗糙集理论三支决策注意力机制视网膜血管分割 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于三维卷积神经网络的颅内动脉瘤检测方法研究

基于三维卷积神经网络的颅内动脉瘤检测方法研究

引用

作者：汤同宵山东科技大学

学位级别：硕士

颅内动脉瘤是一种严重威胁人类生命健康的血管类疾病，因其破裂带来的高致死率，已成为公共卫生保健难题。因此，颅内动脉瘤早期精准诊疗十分重要。目前临床上对颅内动脉瘤的筛查诊断主要通过放射科医生人工读片完成。但是，仅依靠人工... 详细信息

颅内动脉瘤是一种严重威胁人类生命健康的血管类疾病，因其破裂带来的高致死率，已成为公共卫生保健难题。因此，颅内动脉瘤早期精准诊疗十分重要。目前临床上对颅内动脉瘤的筛查诊断主要通过放射科医生人工读片完成。但是，仅依靠人工读片进行颅内动脉瘤诊断往往效率低，且容易出现漏诊或误诊。现有的颅内动脉瘤自动检测大多存在计算效率低，检测率不高等问题，并不能有效辅助医生诊断颅内动脉瘤。因此，针对颅内动脉瘤的自动检测方法本文进行了以下研究工作:　　(1)基于颅内动脉瘤的尺度特性，提出了一种三维多域u-net(3DMDu-net)模型。该模型根据颅内动脉瘤的尺寸将训练数据分为三个不同的域，然后通过深度可分离卷积学习三个域的相关性实现颅内动脉瘤的检测。在模型的学习过程中，加入残差连接模块与深度监督模块进一步优化模型。模型性能通过208例三维TOF-MRA数据进行了实验验证，结果表明3DMDu-net模型能有效的检出颅内动脉瘤，且在参数量和计算量上有优势。　　(2)为减少分割模型所受干扰，提出了一种基于FasterR-CNN的预定位方法。该方法通过对整个图像进行风险评估，在分割之前确定出颅内动脉瘤所在的大致区域，然后通过分割模型对得到的局部图像进行分割，实现对颅内动脉瘤进行精准检测。模型性能通过200例CTA图像进行了实验验证，结果表明预定位方法的加入有效的提升了分割模型的检测性能。另外，通过分析基于CTA和MRA两种图像的检测结果发现，模型基于CTA图像的检测性能更优。

关键词：颅内动脉瘤检测卷积神经网络 u-net模型深度可分离卷积

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的目标检测与语义分割应用研究

基于注意力机制的目标检测与语义分割应用研究

引用

作者：王榆锋江西理工大学

学位级别：硕士

近年来,图像的目标检测与语义分割作为计算机视觉领域发展的基石,对图像理解分析起着至关重要的作用。目标检测主要关注的是图像中需要识别的物体类别信息,并标注出这些类别物体所在空间位置;而语义分割是指在图像的像素层面对目标物体... 详细信息

近年来,图像的目标检测与语义分割作为计算机视觉领域发展的基石,对图像理解分析起着至关重要的作用。目标检测主要关注的是图像中需要识别的物体类别信息,并标注出这些类别物体所在空间位置;而语义分割是指在图像的像素层面对目标物体实现分类,不仅要明确物体的类别、位置还要区分各个物体之间具体的形态信息。这两种方法在工业图像检测领域都具有十分优秀的应用前景。基于此,本文针对医学图像的血细胞检测与遥感图像的云检测任务中存在的检测精度与速率不匹配的问题,结合现有的基于深度学习算法的研究现状以及相关改进技术的发展历程,完成了以下两个方面的应用研究:(1)在血细胞检测应用中,针对各类检测方法应用于血细胞检测时速度与精度不兼容的问题,本文提出了一种基于注意力机制的血细胞检测模型。该模型以YOLO模型为框架,使用Dark net-53作为骨干网络,并在其中加入多尺度残差增强模块,提高对网络特征信息的利用率;同时设计一种注意力门控插件嵌入模型,用于融合更多高质量的上下层语义特征信息,以大幅度提高检测准确率;最后,针对小目标检测能力不足的问题,采用基于Focal loss的改进损失函数,通过为正负样本加上权重值,使模型在训练过程中更专注于难以分类的样本,进而解决样本类别不均衡的问题。(2)在云检测应用中,针对u型编码器-解码器的网络结构在云检测任务中综合性能不佳的问题,本文提出了一种基于注意力机制的云检测模型。该模型采用跳跃连接编码端浅层和中层信息的新u型编码器-解码器结构,并在编码端嵌入由分组卷积与注意力机制组成的优化模块,同时构建上下文语义融合连接,连接编码端与解码端相应的上下层。实验表明,该模型在分割精度与模型参数方面均取得更优异的结果。

关键词：目标检测语义分割注意力机制 YOLO算法 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于全u网络的混凝土路面裂缝检测算法

引用

计算机科学 2021年第4期48卷 187-191页

作者：瞿中谢钇重庆邮电大学软件工程学院重庆400065

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和u-net模型,提出一种全u型网络的裂缝检测算法。首先,依照原u-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池... 详细信息

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和u-net模型,提出一种全u型网络的裂缝检测算法。首先,依照原u-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原u-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原u-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。

关键词：裂缝检测 u-net模型全u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：