全文获取类型
收费全文 | 274篇 |
免费 | 38篇 |
国内免费 | 32篇 |
专业分类
化学 | 45篇 |
晶体学 | 1篇 |
力学 | 18篇 |
综合类 | 10篇 |
数学 | 55篇 |
物理学 | 215篇 |
出版年
2024年 | 1篇 |
2023年 | 7篇 |
2022年 | 2篇 |
2021年 | 5篇 |
2020年 | 1篇 |
2019年 | 12篇 |
2018年 | 9篇 |
2017年 | 33篇 |
2016年 | 23篇 |
2015年 | 19篇 |
2014年 | 37篇 |
2013年 | 12篇 |
2012年 | 18篇 |
2011年 | 4篇 |
2010年 | 13篇 |
2009年 | 25篇 |
2008年 | 26篇 |
2007年 | 18篇 |
2006年 | 15篇 |
2005年 | 6篇 |
2004年 | 7篇 |
2003年 | 7篇 |
2002年 | 5篇 |
2001年 | 6篇 |
2000年 | 7篇 |
1999年 | 11篇 |
1998年 | 7篇 |
1997年 | 2篇 |
1996年 | 1篇 |
1994年 | 2篇 |
1993年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有344条查询结果,搜索用时 31 毫秒
1.
2.
3.
光引发的固态聚合反应一直是令人感兴趣的研究领域.本文综述了固态光聚合的研究进展.着重介绍了双炔类体系,二烯类体系以及(甲基)丙烯酸酯体系的固态光聚合的研究工作以及应用前景. 相似文献
4.
5.
6.
7.
8.
高光谱成像技术的柑橘植株叶片含氮量预测模型 总被引:11,自引:0,他引:11
氮素是果树生长发育的一种大量必需元素,及时准确地监控果树的氮营养状况,对果树的合理施肥、增产、优化果实品质以及减缓过量施氮引起的水资源污染具有重要意义。利用高光谱成像技术结合多变量统计学方法,建立了柑橘植株叶片的含氮量预测模型。研究步骤为:高光谱扫描、提取平均光谱曲线、预处理原始光谱数据、采用连续投影法提取特征波段和建立含氮量预测模型。从SG平滑、SNV、MSC、1-Der等11种预处理方法中筛选出的较优预处理方法是SG平滑、Detrending和SG平滑-Detrending。对应这三种最优预处理方法,先采用连续投影法挑选出各自的特征波长,然后将各特征波段下的光谱反射率作为偏最小二乘、多元线性回归和反向传播人工神经网络模型的输入,各自建立三个预测模型。从以上获得的9个预测模型中,得出两个最优模型SG平滑-Detrending-SPA-BPNN(Rp:0.851 3,RMSEP:0.188 1)和Detrending-SPA-BPNN(Rp:0.8609,RMSEP:0.159 5)。结果表明,利用高光谱数据测定柑橘叶片含氮量具有可行性。这为实时、准确地监控柑橘植株生长过程中叶片含氮量的变化以及合理科学的氮肥施加提供了一定的理论基础。 相似文献
9.
基于近地高光谱成像技术结合化学计量学方法,实现了黑豆品种的鉴别。实验以三种不同颜色豆芯的黑豆为研究对象,采用高光谱成像系统采集380~1 030 nm波段范围的高光谱图像,提取高光谱图像中的样本感兴趣区域平均光谱信息作为样本的光谱进行分析,建立黑豆品种的判别分析模型。共采集180个黑豆样本的180条平均光谱曲线。剔除明显噪声部分之后以440~943 nm范围光谱为黑豆样本的光谱,采用多元散射校正(multiplicative scatter correction,MSC)对光谱曲线进行预处理。分别以全部光谱数据、主成分分析(principal component analysis,PCA)提取的光谱特征信息、小波分析(wavelet transform,WT)提取的光谱特征信息建立了偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA),簇类独立模式识别法(soft independent modeling of class analogy,SIMCA),最邻近节点算法(K-nearest neighbor algorithm,KNN),支持向量机(support vector machine,SVM), 极限学习机(extreme learning machine,ELM)等判别分析模型。以全谱的判别分析模型中,ELM模型效果最优;以PCA提取的光谱特征信息建立的模型中,ELM模型也取得了最优的效果;以WT提取的光谱特征信息建立的模型中,ELM模型结识别效果最好,建模集和预测集识别正确率达到100%。在所有的判别分析模型中,WT-ELM模型取得了最优的识别效果。实验结果表明以高光谱成像技术对黑豆品种进行无损鉴别是可行的,且WT用于提取光谱特征信息以及ELM模型用于判别黑豆品种能取得较好的效果。 相似文献
10.
高光谱成像技术的油菜叶片氮含量及分布快速检测 总被引:4,自引:0,他引:4
应用高光谱成像技术实现了油菜苗-花-角果整个生命期叶片氮含量的快速检测和氮素水平分布的可视化。采集三个生长时期共计420个叶片样本的高光谱图像信息(380~1 030 nm),提取图像中感兴趣区域的平均光谱数据,经过不同光谱预处理后,利用连续投影算法(SPA)选择特征波长,将提取的12个特征波长(467,557,665,686,706,752,874,879,886,900,978和995 nm)作为自变量,叶片氮含量作为因变量,分别建立偏最小二乘法(PLS)和最小二乘-支持向量机(LS-SVM)模型。SPA-PLS和SPA-LS-SVM模型对叶片氮含量的预测相关系数RP分别为0.807和0.836,预测均方根误差RMSEP分别为0.387和0.358。高光谱图像中的每一个像素点都有对应的光谱反射值,利用结构简单、更易提取回归系数的SPA-PLS模型,快速计算出12个特征波长下高光谱图像中每个像素点对应的氮含量预测值,结合像素点的空间位置生成氮素浓度的叶面分布图。可视化分布图详细且直观的反应出同一叶片内部或不同叶片之间氮含量的差异。结果表明,应用高光谱成像技术分析整个油菜生长期的叶片氮含量及其可视化分布是可行的。 相似文献