全文获取类型
收费全文 | 168篇 |
免费 | 13篇 |
国内免费 | 9篇 |
专业分类
化学 | 11篇 |
力学 | 3篇 |
综合类 | 42篇 |
数学 | 84篇 |
物理学 | 50篇 |
出版年
2023年 | 1篇 |
2021年 | 3篇 |
2020年 | 2篇 |
2019年 | 6篇 |
2018年 | 7篇 |
2017年 | 12篇 |
2016年 | 13篇 |
2015年 | 12篇 |
2014年 | 10篇 |
2013年 | 9篇 |
2012年 | 6篇 |
2011年 | 8篇 |
2010年 | 11篇 |
2009年 | 11篇 |
2008年 | 10篇 |
2007年 | 9篇 |
2006年 | 11篇 |
2005年 | 13篇 |
2004年 | 10篇 |
2003年 | 8篇 |
2002年 | 9篇 |
2001年 | 6篇 |
2000年 | 1篇 |
1999年 | 2篇 |
排序方式: 共有190条查询结果,搜索用时 31 毫秒
91.
通过对Nist107标准物质中饱和脂肪烃的质谱数据进行挖掘,发现了新的饱和脂肪烃的谱图特征。利用这些特征设置分步问答,使用MatLab编程实现并优化建立了自动识别饱和脂肪烃的方法。利用库内分子量小于450的标准质谱数据和本实验室测定的齿叶铁线莲(根)挥发油数据进行检验。库内检验结果表明:第一类错误(弃真错误)率为0.503%,第二类错误(存伪错误)率为0.008%。正构烷烃的误识率为0。实验数据验证结果表明:此法能准确识别饱和脂肪烃,用于识别正构烷烃时可克服因夹角余弦相似匹配中相似度接近而无法正确定性的缺点,为植物挥发成分测定、汽油样品的PONA分析和空气颗粒物中饱和脂肪烃的识别和总量的测定提供了一种新的快速的方法。 相似文献
92.
目的 应用分类决策树对各类疾病住院患者的病情进行分类和评价。方法 采用SPSSAnswerTree分类软件和CHAID算法,用1244887例住院患者的病案首页数据,通过确定分类目标变量、预测变量、决策树的生长和修剪规则,建立覆盖所有病种的危重度分类模型。结果 建立了163个基于病种的分类模型,每个病种都形成了若干个危重度等级,共产生了636个危重度类别,每个类别对应一个危重度分值。经新样本考核,该病情指标对治疗结果、医院规模有一定预测能力,且与住院费用相关。结论 病情分类结果能够反映住院患者的相对病情,可作为病情标准化的依据,用于医疗服务质量效率评价。 相似文献
93.
94.
95.
基于模式矩阵的P_Matrix算法 总被引:1,自引:0,他引:1
Apriori算法是关联规则挖掘中最经典的算法,该算法需多次扫描数据库并产生海量的候选项目集.利用模式矩阵对Apriori算法进行改进,提出一种P_Matrix算法,它使扫描数据库的次数降为一次,同时不产生候选项目集而直接产生频繁项目集,从而使算法的时间复杂度和空间复杂度大大降低. 相似文献
96.
97.
"数据挖掘"是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法. 相似文献
98.
开放骨架磷酸铝化合物是多孔晶体材料的一个重要家族。然而,这类材料的合成受到反应原料、凝胶组成、溶剂、模板剂、结晶温度和结晶时间等多个因素的影响。本文以吉林大学"无机制备与合成化学国家重点实验室"建立的开放骨架磷酸铝合成反应数据库为研究对象,采用最大权重最小冗余特征选择算法(Maximum weight and minimum redundancy,MWMR),在充分考虑合成参数自身的重要程度和合成参数之间的相关关系的前提下,分析了溶剂、模板剂等合成参数对于合成含有(8,6)元环结构开放骨架磷酸铝的影响。通过大量实验验证了该方法在开放骨架磷酸铝合成参数分析中的有效性,分析了合成参数对产物生成的影响。实验结果表明模板剂的几何参数、模板剂中C原子和N原子的个数比,溶剂的偶极距等参数可能对于该类结构的合成具有较为重要的影响。 相似文献
99.
基于自组织特征映射(SOM)网络对潜在客户的挖掘 总被引:1,自引:0,他引:1
通过自组织特征映射网络(SOM)帮助市场分析人员对消费者的消费记录进行分析,从而概括出每一类消费者的消费模式。实现对消费群体的区分和对潜在客户的挖掘。SOM神经网络是一种基于模型的聚类方法。该网络通过对样本数据实施标准化、规范化的规定,将每条样本数据看作为一个基因数据,通过对基因数据的聚类,找出功能相似的基因。从而达到对潜在客户的挖掘。抽取一定量的样本数据,通过Matlab平台建立一个SOM人工神经网络对数据进行训练,结果可以发现当训练步骤达到一定量的时候,样本数据向不同的“中心点”聚集,最后达到聚类的效果,从而发现一些容易被忽视的点,也就是潜在客户。 相似文献
100.