全文获取类型
收费全文 | 2270篇 |
免费 | 115篇 |
国内免费 | 142篇 |
专业分类
化学 | 1050篇 |
晶体学 | 23篇 |
力学 | 27篇 |
综合类 | 82篇 |
数学 | 550篇 |
物理学 | 795篇 |
出版年
2024年 | 2篇 |
2023年 | 65篇 |
2022年 | 81篇 |
2021年 | 59篇 |
2020年 | 56篇 |
2019年 | 104篇 |
2018年 | 47篇 |
2017年 | 78篇 |
2016年 | 109篇 |
2015年 | 89篇 |
2014年 | 156篇 |
2013年 | 122篇 |
2012年 | 129篇 |
2011年 | 135篇 |
2010年 | 126篇 |
2009年 | 129篇 |
2008年 | 160篇 |
2007年 | 144篇 |
2006年 | 110篇 |
2005年 | 95篇 |
2004年 | 85篇 |
2003年 | 100篇 |
2002年 | 67篇 |
2001年 | 41篇 |
2000年 | 47篇 |
1999年 | 27篇 |
1998年 | 21篇 |
1997年 | 18篇 |
1996年 | 23篇 |
1995年 | 20篇 |
1994年 | 17篇 |
1993年 | 8篇 |
1992年 | 18篇 |
1991年 | 11篇 |
1990年 | 17篇 |
1989年 | 6篇 |
1988年 | 2篇 |
1987年 | 2篇 |
1984年 | 1篇 |
排序方式: 共有2527条查询结果,搜索用时 15 毫秒
1.
基于KPCA-K-means++和GA-LMS模型的改进RBF神经网络室内可见光定位 总被引:1,自引:0,他引:1
针对室内可见光定位接收光功率不均匀、定位精度低等问题,提出一种自适应花授粉定量式灯源优化方案结合改进径向基函数(RBF)的神经网络接收信号强度指示(RSSI)可见光定位方法.所提方法采用自适应花授粉算法优化发射器的光照强度;通过基于改进RBF神经网络的RSSI定位方法处理接收到的均匀光信号,实现精确有效定位.利用核主成分分析K-means++(KPCA-K means++)聚类模型对RSSI样本值进行预处理,得到最优聚类数目和聚类中心,作为隐含层神经元个数和中心值.通过遗传算法-最小均方(GA-LMS)模型对RBF神经网络参数进行寻优.仿真结果表明,在9 m×12 m×3.5 m的室内环境中,接收光功率为 28.6 dBm~-25.1 dBm,定位误差小于0.1m.因此,所提改进后的可见光定位方法具有定位精度更高、实用性更强等优点. 相似文献
2.
基于PCA的土壤Cd含量高光谱反演模型对比研究 总被引:4,自引:0,他引:4
土壤重金属污染对人类健康造成了极大的威胁,如何快速摸清土壤污染情况尤为重要。高光谱遥感具备光谱分辨率高,快速无损等优势,使其在土壤组分反演方面具有巨大的潜力。针对高光谱信息冗余及光谱变换对土壤镉(Cd)含量估算的影响进行分析,并利用变换前后的高光谱数据对比研究了不同高光谱模型对土壤Cd含量反演的性能。首先利用等离子体质谱法和FieldSpec4地物光谱仪收集了56组土壤样品的Cd含量和对应的高光谱曲线(350~2 500 nm);为了弱化光谱测定中光亮变化和土壤表面凹凸对实验结果的影响,研究对高光谱数据进行倒数对数预处理;考虑到高光谱数据中存在大量的信息冗余,研究采用了主成分分析(PCA)对高光谱数据进行降维处理并最终保留了前12个主成分量作为特征变量。针对高光谱反演模型,研究选择了偏最小二乘(PLSR)、支持向量机(SVM)、人工神经网络(ANN)和随机森林(RF)四种回归模型建立PCA主成分与Cd含量之间的关系;最后,研究选取了决定系数(R2)、均方根误差(RMSE)和RPD三种精度评估指标评估回归模型的拟合精度,结果表明针对光谱采用PCA波段降维的方法处理后,选取的12个主成分对变化前后的光谱累计贡献率均达到99.99%,作为模型的输入变量,四种模型均具有一定的预测能力。无论光谱变换与否,PCA-RF反演模型的预测能力均为最好(R2分别为0.856和0.855,RPD均高达3.39)。利用PCA对高光谱数据降维处理可以有效降低高光谱数据冗余,有力的保证模型的预测能力。以PCA筛选出的主成分量可以作为模型极好的输入变量,以RF为基础的高光谱反演模型在反演土壤Cd含量时具有最佳效果,可为该区域及类似地区的土壤重金属污染物反演提供新的方法支撑。 相似文献
3.
黑色直液笔是一种新型书写工具,目前对该种笔墨迹的相关研究较少。为给文件检验工作中墨迹的分析提供新的参考依据,本实验使用显微共聚焦拉曼光谱技术,采集了30支不同品牌、型号的黑色直液笔墨迹光谱数据,进行Savitzky-Golay卷积平滑处理后,依据光谱图的拉曼位移及拉曼谱峰差异对墨迹进行初步分析。设置聚类方法为组间联接,区间距离测量方式为平方欧式距离,对采集的光谱数据进行群分析,将30支黑色直液笔墨迹样本分成了3类,并与品牌建立了相关联系;同时通过主成分分析验证了群分析的可靠性和准确性。研究表明,显微共聚焦拉曼光谱技术结合群分析方法可实现对黑色直液笔墨迹的无损分析及有效鉴别,该方法操作简便、结果准确,适用于法庭科学文件检验。 相似文献
4.
钛合金凭借其强度高、耐蚀性好、耐热性高等特点已经被广泛应用于航天、海洋、生物医药等诸多领域,其中Ti-6Al-4V(TC4)合金的耐热性、强度、塑性、韧性、成形性、可焊性、耐蚀性和生物相容性均较好,已成为钛合金工业中的王牌合金。钛合金在激光焊接时,加入表面活性剂可以增加焊缝熔深、提高焊接效率、改善焊缝微观组织的不均匀性,但是可能会改变熔合区和焊缝区中元素含量及其分布状态,从而可能会对材料的性能产生一定的影响。运用LIBS分析技术对TC4钛合金焊接试样表面进行面扫描同步获得多元素成分信息,同时结合原位统计分布分析方法(OPA),实现了对钛合金母材、熔合区、焊缝成分及其分布状态的快速表征,为活性剂的选择和焊接后钛合金的材料性能提供一种新的评价手段。选取了两个使用不同活性剂进行焊接的TC4钛合金薄板试样,选取焊缝纵切面方向作为分析面,采用320目的氧化铝砂纸进行表面处理,利用LIBSOPA系统进行成分分布统计表征。首先,对激发光斑和剥蚀条件进行条件优化,最终选择200 μm的激发光斑、10个预剥蚀脉冲10个剥蚀脉冲进行实验,并建立了钛合金中C,Al,V,Fe,Si和Ti六个元素的校准曲线(其中Si元素主要来自活性剂);然后对钛合金焊接样品进行了区域扫描,并对元素含量和分布状态进行了统计表征。同时,在钛合金焊接样品的不同部位进行分区取样,采用高频红外法分析C元素含量,并与LIBSOPA结果进行比对,两种测试方法结果吻合。元素Al,V,Fe,Si和Ti分布结果与微束X荧光光谱法对应性较好。运用LIBSOPA 技术实现了对钛合金母材、熔合区、焊缝中多元素的成分分布表征,为快速判定钛合金焊缝中成分及分布状态提供了全新的评价表征手段。 相似文献
5.
煤岩识别一直是制约煤矿无人化开采的关键问题之一。传统的人工采煤因为工作环境极其复杂,很难精准地找到煤岩的分界面,容易造成欠切割或过切割现象。太赫兹光谱技术作为一种无损探测技术,能够反映出被测物体的物理和化学信息,可以成为研究煤岩识别的有效方法。采用太赫兹时域光谱技术与多元统计法—聚类分析(CA)和主成分分析(PCA)相结合的方法来识别不同种类的煤岩。通过透射式太赫兹光谱仪获得六种煤岩样品的太赫兹光谱,对其进行FFT等一系列数学计算可以得到各种样品的折射率、吸收系数以及介电常数。计算结果表明不同种类的煤岩在折射率、吸收系数上都存在差异。分析各类煤炭样品的折射率和吸收系数与样品的各组成成分含量之间的关系,可以发现碳含量是影响其样品折射率大小的因素之一,灰分含量是影响其样品吸收系数大小的因素之一。聚类分析中两类样品的欧氏距离与主成分分析中的第一主成分(PC1)得分都能反映煤岩样品之间的相似性和相异性,并且CA与PCA的结果保持一致。分别将各类样品在0.5~2.5 THz频率范围内的折射率、吸收系数与CA和PCA结合,组成太赫兹数据与煤岩之间的模型。分析表明:根据不同样品之间的相似性,两种模型中六种煤岩样品均被分为两类;在各种样品的吸收系数与CA-PCA组成的模型中,四种煤炭被聚集在一起,并且石英砂岩(GSR-4)具有很好的独特性:石英砂岩拥有最小的PC1得分值以及石英砂岩与第二类之间的欧氏距离最大,为219.03。由此可见采用太赫兹技术与多元统计方法结合,可以实现煤岩的准确识别,识别准确率可以达到100%。 相似文献
6.
7.
贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过Antaris Ⅱ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正(MSC)减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析(PCA)和排序主成分分析 (PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析(FLDA)进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分(能充分反映光谱的主要信息)。最后,利用模糊线性鉴别分析算法(FLDA)和K近邻算法(KNN)进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA,FLDA和KNN算法的模型鉴别准确率可达83%。上述结果说明基于PCA,FLDA和KNN算法的模型鉴别准确率已经得到较大程度提高。当用PCA Sort替代了模型中的PCA算法后,结合FLDA和KNN算法则鉴别准确率达到98.33%。实验结果表明PCA Sort结合FLDA和KNN所建立的模型是有效的生菜贮存时间鉴别模型。 相似文献
8.
PLS-DA优化模型的马铃薯黑心病可见近红外透射光谱检测 总被引:1,自引:0,他引:1
马铃薯黑心病是一种马铃薯主要内部缺陷,严重损害薯条、薯片、全粉等加工制品的质量和产率。目前对马铃薯的分级主要侧重于外部品质检测,针对内部缺陷检测的研究很少。旨在开发一种马铃薯黑心病的快速无损检测技术,为此搭建了马铃薯可见近红外透射光谱分析平台,分析健康与黑心病马铃薯的透射光谱特性并优化光谱判别模型参数。基于现有马铃薯分级线和复享PG2000高速光谱仪,采用左右透射方式(光源与光纤探头位于分级线果盘左右两侧),采集470个马铃薯(其中健康薯234个、黑心薯236个)的透射光谱图,建立偏最小二乘判别模型(PLS-DA),并利用主成分分析(PCA)与光谱形态特征相结合的方法选择特征波长,优化模型。分析发现,健康薯与黑心薯的可见近红外透射光谱在吸光度值和光谱形态特征方面均存在明显区别。黑心薯的平均光谱吸光度值高于健康薯(650~900 nm范围内),但黑心薯的平均光谱曲线较为平缓,无明显吸收峰,而健康薯平均光谱曲线在665,732和839 nm附近有明显吸收峰,并且健康薯与黑心薯的平均光谱差值在705 nm处达到最大值。基于PLS-DA法建立了马铃薯黑心病判别模型,对黑心病的判别效果显著,分类器特性曲线(ROC)下面积(AUC)值为0.994 2,黑心薯识别总正确率能够达到97.16%,RMSECV和RMSEP分别为0.28和0.26。此外,成功利用PCA与光谱形态特征相结合的方法对模型进行简化,最终得到由6个波长(658,705,716,800,816和839 nm)组成的特征波长组合,简化后的模型总正确率能够达到96.73%,接近全波段模型判别水平。研究表明,左右透射的方式能够准确识别黑心马铃薯,实现对马铃薯内部缺陷的快速无损检测。对我国马铃薯产业的发展起到一定的促进作用,为马铃薯内部缺陷在线检测技术的提高提供了重要的理论基础和实践依据。 相似文献
9.
随着信息技术的高速发展,每条数据所包含的信息越来越丰富,使得数据不可避免地含有异常值,且随着维数的增加,异常值出现的可能性更大。传统的主成分聚类分析对异常值特別敏感,基于MCD估计的主成分聚类方法虽然对异常值具有防御作用,但是在高维数据下MCD估计的偏差过大,其稳健性显著降低,而且当维数大于观测值个数时MCD估计失效。为此本文提出了基于MRCD估计的稳健主成分聚类方法,数值模拟和实证分析表明,基于MRCD估计的主成分聚类分析的效果优于传统的主成分聚类分析和基于MCD估计的主成分聚类分析,尤其是在维数大于样本观测值的情况下,MRCD估计更为有效。 相似文献
10.
为建立简便快速、准确无损的检验一次性塑料鞋套的方法,利用RT2000便携式拉曼光谱仪和X-MET7000能量色散型荧光光谱仪对27个不同品牌的一次性塑料鞋套进行检验分析。根据鞋套样品的有机成分、元素组成,可对一次性塑料鞋套样品进行很好的区分。同时,利用spss软件和K-Means聚类法对鞋套样品中的元素含量进行分析研究,实验效果较好。该方法简单快速、结果准确可靠,可用于公安机关实际办案。 相似文献