期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
10
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Keras的MNIST数据集识别模型
被引量:
9
1
作者
郭梦洁
杨梦卓
马京九
《现代信息科技》
2019年第14期18-19,23,共3页
Keras是以TensorFlow+Theano为后端的深度学习框架,相比于TensorFlow,Keras更加灵活快速。相比于经典的神经网络模型,卷积神经网络对图像的识别效率更高。文章基于Keras建立深度学习模型,以MNIST数据集为例,构建卷积神经网络,训练模型...
Keras是以TensorFlow+Theano为后端的深度学习框架,相比于TensorFlow,Keras更加灵活快速。相比于经典的神经网络模型,卷积神经网络对图像的识别效率更高。文章基于Keras建立深度学习模型,以MNIST数据集为例,构建卷积神经网络,训练模型并进行预测,得到的MNIST数据集识别模型,达到了99.23%的识别正确率。
展开更多
关键词
深度学习
Keras
mnist
数据集卷积神经网络
下载PDF
职称材料
面向机械臂抓取的档案盒数字标签图像抗干扰识别方法
被引量:
1
2
作者
顾宇欧
丛潜
+1 位作者
刘博
黄晶
《电子设计工程》
2023年第22期187-190,195,共5页
为了准确识别数字标签图像中的噪点参量,增强原始图像的抗干扰能力,提出面向机械臂抓取的档案盒数字标签图像抗干扰识别方法。根据机械臂运动模型实施抓取位姿标定处理,联合已知信息参量计算抽取系数,完成面向机械臂抓取的档案盒数字标...
为了准确识别数字标签图像中的噪点参量,增强原始图像的抗干扰能力,提出面向机械臂抓取的档案盒数字标签图像抗干扰识别方法。根据机械臂运动模型实施抓取位姿标定处理,联合已知信息参量计算抽取系数,完成面向机械臂抓取的档案盒数字标签建立。在MNIST数据集合中,求导激活函数,再遵循初始识别权重指标赋值,实现对噪点信息的识别与提取,完成档案盒数字标签图像抗干扰识别方法的设计。以机械臂抓取运动图像为实验对象,分析对比实验结果可知,在数字标签作用下,噪点信息识别结果与其实际存在数量之间的差值水平始终低于1.3×10^(7)个,符合准确识别噪点参量、增强原始图像抗干扰能力的实用需求。
展开更多
关键词
机械臂抓取
数字标签
抗干扰识别
位姿标定
mnist
数据集
图像噪点
下载PDF
职称材料
基于深度学习模型的图像识别应用研究
被引量:
7
3
作者
张宝燕
《山西电子技术》
2020年第6期87-89,93,共4页
传统的图像识别主要是基于浅层神经网络,主要包括人工神经网络和支持向量机,然而这些浅层神经网络的特征提取能力有限。本文提出的增强卷积神经网络,通过将批量归一化层添加到卷积神经网络中既可以加快模型的运行效率、消除过拟合情况,...
传统的图像识别主要是基于浅层神经网络,主要包括人工神经网络和支持向量机,然而这些浅层神经网络的特征提取能力有限。本文提出的增强卷积神经网络,通过将批量归一化层添加到卷积神经网络中既可以加快模型的运行效率、消除过拟合情况,还可提高识别准确率。本文实验基于MNIST数据集,大量的实验充分验证所提深度模型的识别能力。
展开更多
关键词
图像识别
深度学习
增强卷积神经网络
mnist
数据集
下载PDF
职称材料
基于BP神经网络的手写数字识别及优化方法
被引量:
4
4
作者
夏少杰
项鲲
《智能物联技术》
2018年第1期19-22,共4页
随着人工智能的发展,数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用,是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnis...
随着人工智能的发展,数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用,是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念,详细描述了BP神经网络的原理,并通过实例进行BP网络设计。同时提出了6种优化方式,分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值,并能通过各种优化方式提高识别精度。
展开更多
关键词
人工智能
手写数字识别
mnist
数据集
算法
优化
下载PDF
职称材料
TensorFlow读取数据在简单图像识别中的应用
被引量:
3
5
作者
来学伟
《现代信息科技》
2019年第12期98-99,共2页
本文以MNIST数据库为例,用TensorFlow读取数据集中的数据,并建立一个简单的图像识别模型。同时以TensorFlow为工具,写一个手写体数字识别程序,使用的机器方法是Softmax回归。通过把占位符的值传递给会话,计算后运行梯度下降后,可以检测...
本文以MNIST数据库为例,用TensorFlow读取数据集中的数据,并建立一个简单的图像识别模型。同时以TensorFlow为工具,写一个手写体数字识别程序,使用的机器方法是Softmax回归。通过把占位符的值传递给会话,计算后运行梯度下降后,可以检测模型训练的结果,得到预测的标签和实际标签,接下来通过tf.equal函数来比较它们是否相等,并将结果保存到correct_prediction中。最后,用tf.reduce_mean可以计算数组中的所有元素的平均值,相当于得到了模型的预测准确率。该模型识别的准确率超过90%,具有一定的推广价值。
展开更多
关键词
mnist
数据集
Softmax回归
训练模型
下载PDF
职称材料
基于卷积神经网络的服饰图像分类
被引量:
4
6
作者
陈丽丽
韩润萍
《北京服装学院学报(自然科学版)》
CAS
北大核心
2018年第4期31-36,58,共7页
卷积神经网络是在多层神经网络的基础上发展起来的主要用于图像分类和识别的一种深度学习方法.本文设计了1个4层的卷积神经网络,其中包括3个卷积层和1个softmax输出层,并且在Fashion-MNIST数据集上完成了网络的训练和测试.测试结果表明...
卷积神经网络是在多层神经网络的基础上发展起来的主要用于图像分类和识别的一种深度学习方法.本文设计了1个4层的卷积神经网络,其中包括3个卷积层和1个softmax输出层,并且在Fashion-MNIST数据集上完成了网络的训练和测试.测试结果表明本文设计的卷积神经网络模型可以有效地实现服饰图像的分类.
展开更多
关键词
卷积神经网络
服务图像分类
Fashion-
mnist
数据集
下载PDF
职称材料
基于Keras手写数字识别模型的改进
被引量:
10
7
作者
高宇鹏
胡众义
《计算技术与自动化》
2021年第2期164-169,共6页
针对结构设计不合理的卷积神经网络导致MNIST识别的准确率低、收敛速度慢和训练参数多等问题,提出卷积神经网络结构的改进模型。改进的模型采用2次卷积、2次池化和3次全连接、采用Relu激活函数和Softmax回顾函数相结合,加入Dropout层防...
针对结构设计不合理的卷积神经网络导致MNIST识别的准确率低、收敛速度慢和训练参数多等问题,提出卷积神经网络结构的改进模型。改进的模型采用2次卷积、2次池化和3次全连接、采用Relu激活函数和Softmax回顾函数相结合,加入Dropout层防止过拟合,加入Flatten层优化结构。为了缩减代码量,采用API功能强大的Keras模型替代Tensorflow。对MNIST的训练集和测试集数据的准确率进行仿真实验,实验结果表明:采用改进的结构在MNIST的训练中不仅收敛速度快、训练参数少、损失率低,而且在测试集上的准确率达到99.54%、高于改进前的99.25%,对后续手写数字的研究具有重要意义。
展开更多
关键词
Keras
卷积神经网络
mnist
数据集
下载PDF
职称材料
深度神经网络模型构建及优化策略
被引量:
5
8
作者
杨波
梁伟
《计算机时代》
2022年第1期8-13,18,共7页
针对深度学习构建网络模型以及确定模型参数的问题,在分析神经网络基本结构和线性模型局限性的基础上,研究了深度神经网络设计的关键因素和优化策略。结合手写数字识别问题,对优化策略、动态衰减学习率、隐藏层节点数、隐藏层数等情形...
针对深度学习构建网络模型以及确定模型参数的问题,在分析神经网络基本结构和线性模型局限性的基础上,研究了深度神经网络设计的关键因素和优化策略。结合手写数字识别问题,对优化策略、动态衰减学习率、隐藏层节点数、隐藏层数等情形下的识别正确率进行了实验。结果表明,不同神经网络模型对最终正确率有质的影响,相同优化策略在不同参数取值时对最终正确率有很大影响,并进一步探究了具体选取优化策略和参数的方法。
展开更多
关键词
人工智能
深度学习
神经网络
手写数字识别
mnist
数据集
下载PDF
职称材料
动态特征空间的超球体分类算法
9
作者
杜淼
余勤
雒瑞森
《计算机工程与应用》
CSCD
北大核心
2020年第22期148-153,共6页
在模式识别中,样本在特征空间被直接用作分类或被核函数映射至更高维空间分类。为了提高分类效果,一般使用更好的分隔面和更有效的特征空间。提出了一种使用神经网络寻找到更有效特征空间的动态超球体算法(Dynamic Hypersphere Algorith...
在模式识别中,样本在特征空间被直接用作分类或被核函数映射至更高维空间分类。为了提高分类效果,一般使用更好的分隔面和更有效的特征空间。提出了一种使用神经网络寻找到更有效特征空间的动态超球体算法(Dynamic Hypersphere Algorithm,DHA)。DHA采用了动态的特征变换,通过满足优化超球体的条件获得更有效的特征空间,最终通过欧氏距离得到分类结果。在标准数据集上实验证明了DHA能够通过动态的特征变换寻找到有效特征空间,从而获得更好的分类效果。为了进一步证明特征空间的有效性,将DHA应用到MNIST手写体,通过减少训练样本并且将原样本由784维降至10维获得了90.18%的识别率,在不平衡手写体中也获得了较好的效果。
展开更多
关键词
神经网络
动态特征空间
动态超球体
标准数据集
mnist
手写体
下载PDF
职称材料
基于CNN的多尺度特征在手写数字识别中的应用
被引量:
4
10
作者
仲会娟
谢朝和
+1 位作者
刘文武
刘大茂
《绵阳师范学院学报》
2019年第11期22-26,共5页
在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图...
在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和SoftMax分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力.
展开更多
关键词
卷积神经网络
多尺度特征
手写数字识别数据集
全局特征
局部特征
下载PDF
职称材料
题名
基于Keras的MNIST数据集识别模型
被引量:
9
1
作者
郭梦洁
杨梦卓
马京九
机构
安徽大学
长江大学
出处
《现代信息科技》
2019年第14期18-19,23,共3页
文摘
Keras是以TensorFlow+Theano为后端的深度学习框架,相比于TensorFlow,Keras更加灵活快速。相比于经典的神经网络模型,卷积神经网络对图像的识别效率更高。文章基于Keras建立深度学习模型,以MNIST数据集为例,构建卷积神经网络,训练模型并进行预测,得到的MNIST数据集识别模型,达到了99.23%的识别正确率。
关键词
深度学习
Keras
mnist
数据集卷积神经网络
Keywords
deep learning
Keras
mnist
data
set
convolution neural network
分类号
TP751.1 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
面向机械臂抓取的档案盒数字标签图像抗干扰识别方法
被引量:
1
2
作者
顾宇欧
丛潜
刘博
黄晶
机构
松花江水力发电有限公司丰满大坝重建工程建设局
出处
《电子设计工程》
2023年第22期187-190,195,共5页
文摘
为了准确识别数字标签图像中的噪点参量,增强原始图像的抗干扰能力,提出面向机械臂抓取的档案盒数字标签图像抗干扰识别方法。根据机械臂运动模型实施抓取位姿标定处理,联合已知信息参量计算抽取系数,完成面向机械臂抓取的档案盒数字标签建立。在MNIST数据集合中,求导激活函数,再遵循初始识别权重指标赋值,实现对噪点信息的识别与提取,完成档案盒数字标签图像抗干扰识别方法的设计。以机械臂抓取运动图像为实验对象,分析对比实验结果可知,在数字标签作用下,噪点信息识别结果与其实际存在数量之间的差值水平始终低于1.3×10^(7)个,符合准确识别噪点参量、增强原始图像抗干扰能力的实用需求。
关键词
机械臂抓取
数字标签
抗干扰识别
位姿标定
mnist
数据集
图像噪点
Keywords
mechanical arm grasping
digital label
anti-interference recognition
pose calibration
mnist data set
image noise
分类号
TN96 [电子电信—信号与信息处理]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于深度学习模型的图像识别应用研究
被引量:
7
3
作者
张宝燕
机构
晋中学院
出处
《山西电子技术》
2020年第6期87-89,93,共4页
文摘
传统的图像识别主要是基于浅层神经网络,主要包括人工神经网络和支持向量机,然而这些浅层神经网络的特征提取能力有限。本文提出的增强卷积神经网络,通过将批量归一化层添加到卷积神经网络中既可以加快模型的运行效率、消除过拟合情况,还可提高识别准确率。本文实验基于MNIST数据集,大量的实验充分验证所提深度模型的识别能力。
关键词
图像识别
深度学习
增强卷积神经网络
mnist
数据集
Keywords
deep learning
enhanced convolution neural network
mnist data set
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于BP神经网络的手写数字识别及优化方法
被引量:
4
4
作者
夏少杰
项鲲
机构
浙江工业大学
出处
《智能物联技术》
2018年第1期19-22,共4页
文摘
随着人工智能的发展,数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用,是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念,详细描述了BP神经网络的原理,并通过实例进行BP网络设计。同时提出了6种优化方式,分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值,并能通过各种优化方式提高识别精度。
关键词
人工智能
手写数字识别
mnist
数据集
算法
优化
Keywords
artificial intelligence
handwritten numeral recognition
mnist data set
algorithm
optimization
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
TensorFlow读取数据在简单图像识别中的应用
被引量:
3
5
作者
来学伟
机构
三门峡职业技术学院信息传媒学院
出处
《现代信息科技》
2019年第12期98-99,共2页
文摘
本文以MNIST数据库为例,用TensorFlow读取数据集中的数据,并建立一个简单的图像识别模型。同时以TensorFlow为工具,写一个手写体数字识别程序,使用的机器方法是Softmax回归。通过把占位符的值传递给会话,计算后运行梯度下降后,可以检测模型训练的结果,得到预测的标签和实际标签,接下来通过tf.equal函数来比较它们是否相等,并将结果保存到correct_prediction中。最后,用tf.reduce_mean可以计算数组中的所有元素的平均值,相当于得到了模型的预测准确率。该模型识别的准确率超过90%,具有一定的推广价值。
关键词
mnist
数据集
Softmax回归
训练模型
Keywords
mnist data set
Softmax regression
training model
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于卷积神经网络的服饰图像分类
被引量:
4
6
作者
陈丽丽
韩润萍
机构
北京服装学院信息工程学院
北京服装学院中国服饰科学技术研究院
出处
《北京服装学院学报(自然科学版)》
CAS
北大核心
2018年第4期31-36,58,共7页
基金
北京服装学院2018年研究生科研创新项目(120301990122/009)
项目名称:"基于深度学习的服饰图像分类"
文摘
卷积神经网络是在多层神经网络的基础上发展起来的主要用于图像分类和识别的一种深度学习方法.本文设计了1个4层的卷积神经网络,其中包括3个卷积层和1个softmax输出层,并且在Fashion-MNIST数据集上完成了网络的训练和测试.测试结果表明本文设计的卷积神经网络模型可以有效地实现服饰图像的分类.
关键词
卷积神经网络
服务图像分类
Fashion-
mnist
数据集
Keywords
convolutional neural network(CNN)
clothing image classification
fashion-
mnist data set
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于Keras手写数字识别模型的改进
被引量:
10
7
作者
高宇鹏
胡众义
机构
山西农业大学信息学院信息工程学院
温州大学计算机与人工智能学院
出处
《计算技术与自动化》
2021年第2期164-169,共6页
基金
山西省高等学校科技创新资助项目(2020L0746)。
文摘
针对结构设计不合理的卷积神经网络导致MNIST识别的准确率低、收敛速度慢和训练参数多等问题,提出卷积神经网络结构的改进模型。改进的模型采用2次卷积、2次池化和3次全连接、采用Relu激活函数和Softmax回顾函数相结合,加入Dropout层防止过拟合,加入Flatten层优化结构。为了缩减代码量,采用API功能强大的Keras模型替代Tensorflow。对MNIST的训练集和测试集数据的准确率进行仿真实验,实验结果表明:采用改进的结构在MNIST的训练中不仅收敛速度快、训练参数少、损失率低,而且在测试集上的准确率达到99.54%、高于改进前的99.25%,对后续手写数字的研究具有重要意义。
关键词
Keras
卷积神经网络
mnist
数据集
Keywords
Keras
convolutional neural network
mnist data set
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
深度神经网络模型构建及优化策略
被引量:
5
8
作者
杨波
梁伟
机构
郴州职业技术学院
湖南大学信息科学与工程学院
出处
《计算机时代》
2022年第1期8-13,18,共7页
文摘
针对深度学习构建网络模型以及确定模型参数的问题,在分析神经网络基本结构和线性模型局限性的基础上,研究了深度神经网络设计的关键因素和优化策略。结合手写数字识别问题,对优化策略、动态衰减学习率、隐藏层节点数、隐藏层数等情形下的识别正确率进行了实验。结果表明,不同神经网络模型对最终正确率有质的影响,相同优化策略在不同参数取值时对最终正确率有很大影响,并进一步探究了具体选取优化策略和参数的方法。
关键词
人工智能
深度学习
神经网络
手写数字识别
mnist
数据集
Keywords
artificial intelligence
deep learning
neural networks
handwritten digit recognition
mnist data set
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
动态特征空间的超球体分类算法
9
作者
杜淼
余勤
雒瑞森
机构
四川大学电气工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2020年第22期148-153,共6页
基金
校企合作项目(No.17H1199,No.19H0355)。
文摘
在模式识别中,样本在特征空间被直接用作分类或被核函数映射至更高维空间分类。为了提高分类效果,一般使用更好的分隔面和更有效的特征空间。提出了一种使用神经网络寻找到更有效特征空间的动态超球体算法(Dynamic Hypersphere Algorithm,DHA)。DHA采用了动态的特征变换,通过满足优化超球体的条件获得更有效的特征空间,最终通过欧氏距离得到分类结果。在标准数据集上实验证明了DHA能够通过动态的特征变换寻找到有效特征空间,从而获得更好的分类效果。为了进一步证明特征空间的有效性,将DHA应用到MNIST手写体,通过减少训练样本并且将原样本由784维降至10维获得了90.18%的识别率,在不平衡手写体中也获得了较好的效果。
关键词
神经网络
动态特征空间
动态超球体
标准数据集
mnist
手写体
Keywords
neural network
dynamic feature space
dynamic hypersphere
standard
data
set
s
mnist
handwriting
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于CNN的多尺度特征在手写数字识别中的应用
被引量:
4
10
作者
仲会娟
谢朝和
刘文武
刘大茂
机构
阳光学院人工智能学院
出处
《绵阳师范学院学报》
2019年第11期22-26,共5页
基金
2018年福建省中青年教师教育科研项目(JT180724)
文摘
在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和SoftMax分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力.
关键词
卷积神经网络
多尺度特征
手写数字识别数据集
全局特征
局部特征
Keywords
convolutional neural networks(CNN)
multi-scale features
handwritten digit recognition
data
set
s(
mnist
)
global features
local features
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Keras的MNIST数据集识别模型
郭梦洁
杨梦卓
马京九
《现代信息科技》
2019
9
下载PDF
职称材料
2
面向机械臂抓取的档案盒数字标签图像抗干扰识别方法
顾宇欧
丛潜
刘博
黄晶
《电子设计工程》
2023
1
下载PDF
职称材料
3
基于深度学习模型的图像识别应用研究
张宝燕
《山西电子技术》
2020
7
下载PDF
职称材料
4
基于BP神经网络的手写数字识别及优化方法
夏少杰
项鲲
《智能物联技术》
2018
4
下载PDF
职称材料
5
TensorFlow读取数据在简单图像识别中的应用
来学伟
《现代信息科技》
2019
3
下载PDF
职称材料
6
基于卷积神经网络的服饰图像分类
陈丽丽
韩润萍
《北京服装学院学报(自然科学版)》
CAS
北大核心
2018
4
下载PDF
职称材料
7
基于Keras手写数字识别模型的改进
高宇鹏
胡众义
《计算技术与自动化》
2021
10
下载PDF
职称材料
8
深度神经网络模型构建及优化策略
杨波
梁伟
《计算机时代》
2022
5
下载PDF
职称材料
9
动态特征空间的超球体分类算法
杜淼
余勤
雒瑞森
《计算机工程与应用》
CSCD
北大核心
2020
0
下载PDF
职称材料
10
基于CNN的多尺度特征在手写数字识别中的应用
仲会娟
谢朝和
刘文武
刘大茂
《绵阳师范学院学报》
2019
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部