全文获取类型
收费全文 | 101篇 |
免费 | 0篇 |
国内免费 | 12篇 |
专业分类
化学 | 45篇 |
物理学 | 68篇 |
出版年
2019年 | 3篇 |
2018年 | 5篇 |
2017年 | 3篇 |
2016年 | 2篇 |
2015年 | 2篇 |
2014年 | 2篇 |
2013年 | 2篇 |
2012年 | 2篇 |
2011年 | 2篇 |
2010年 | 2篇 |
2009年 | 7篇 |
2008年 | 5篇 |
2007年 | 1篇 |
2006年 | 5篇 |
2005年 | 5篇 |
2004年 | 3篇 |
2003年 | 2篇 |
2002年 | 7篇 |
2001年 | 1篇 |
2000年 | 2篇 |
1999年 | 3篇 |
1998年 | 15篇 |
1997年 | 3篇 |
1993年 | 2篇 |
1992年 | 8篇 |
1991年 | 8篇 |
1990年 | 4篇 |
1989年 | 3篇 |
1987年 | 2篇 |
1985年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有113条查询结果,搜索用时 15 毫秒
91.
蛋白质在微生物研究中可用作生物标记物,故在生物技术中其表征工作很重要.各种质谱技术已被用于细菌的表征[‘-’j.1994年,Cain等[‘]首先报道了将色谱和基体辅助激光解离/电离飞行时间质谱(M 相似文献
92.
大黄的傅里叶变换红外光谱法快速鉴别 总被引:8,自引:0,他引:8
利用傅里叶变换红外(FTIR)光谱法对不同的大黄药材进行了分析?结果表明:大黄样品在4000~1800cm^-1区域有相似的红外光谱特征,而在1800~400cm^-1区域不同组系、不同品种的样品又存在很大差异。因此红外光谱法可以快速、简便、直观地对中药材进行质量鉴别。 相似文献
93.
94.
支持向量机与紫外光谱法用于鉴别清开灵注射液六混中间体 总被引:4,自引:0,他引:4
采用一阶导数对紫外可见光谱数据进行预处理,消除光谱中的斜坡背景,用支持向量机(SVM)进行建模,分别对4个批次的中药清开灵注射液六混中间体以及其混和批次共147个样本进行了鉴别。对建模参数的影响作了系统的研究,在优化参数条件下,正确率分别可达100%,95.4%,97.3%,100%和97.3%。结果表明SVM鉴别准确率高,模型的泛化能力强。此方法也为中药注射液生产过程的质量控制提供了一条有效的途径。 相似文献
95.
双向联想记忆神经网络及其在肺癌患者分类判别中的应用 总被引:2,自引:1,他引:1
给出双向联想记忆(BAM)神经网络的基本原理,在此基础上,根据血清中微量元素的含量,将双向联想记忆神经网络用于正常人与肺癌患者的分类判别。实验结果表明,用独立预测样本作检验,在本工作所选定的条件下,可以达到100%的正确识别率,并讨论了双向联想记忆神经网络的影响因素。 相似文献
96.
近红外光谱与组合的间隔偏最小二乘法测定清开灵四混液中总氮和栀子苷的含量 总被引:14,自引:0,他引:14
应用近红外光谱分析技术结合化学计量学方法, 建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法. 首先采用Kernard-Stone法对训练集样本和预测集样品进行分类, 然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares, siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立, 并对光谱预处理方法进行了详细的讨论. 所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708; 交叉验证误差均方根(RMSECV)均为0.023; 预测误差均方根(RMSEP)分别为0.074和0.159; 预测结果表明, 本实验所建方法快速、无损且可靠, 可推广并应用于中药注射液中间体的在线质量控制. 相似文献
97.
基于DFT和分子连接性指数方法研究醇类化合物的水溶解度和分配系数 总被引:1,自引:0,他引:1
将DFT方法计算得到的量化参数和分子连接性指数联合应用到60个醇类化合物的溶解度和辛醇/水分配系数的QSPR研究中,分别通过逐步回归得到具有显著统计意义的4个参数和5个参数的QSPR方程.以此4个参数和5个参数分别作为输入参数,采用BPNN,RBFNN方法建立了QSPR预测模型,使用Latin-partition交叉验证方法评价模型的预测能力.BPNN,RBFNN模型对溶解度预测的相关系数分别为0.993和0.994,而对辛醇/水分配系数预测的相关系数分别0.990和0.997,结果令人满意. 相似文献
98.
人工神经网络法校正ICP—AES中重叠光谱干扰 总被引:10,自引:1,他引:9
本文将反向传播人工神经网络(BP-ANN)用ICP-AES中重叠光谱干扰的校正,利用模拟的Ce413.380nm和Pr413.361nm光谱对神经网络的训练方式,输入值范围,噪声影响等作了较详细的讨论。 相似文献
99.
100.