全文获取类型
收费全文 | 4913篇 |
免费 | 706篇 |
国内免费 | 969篇 |
专业分类
化学 | 1519篇 |
晶体学 | 33篇 |
力学 | 497篇 |
综合类 | 161篇 |
数学 | 1968篇 |
物理学 | 2410篇 |
出版年
2024年 | 3篇 |
2023年 | 100篇 |
2022年 | 135篇 |
2021年 | 140篇 |
2020年 | 95篇 |
2019年 | 188篇 |
2018年 | 119篇 |
2017年 | 173篇 |
2016年 | 192篇 |
2015年 | 199篇 |
2014年 | 410篇 |
2013年 | 310篇 |
2012年 | 375篇 |
2011年 | 361篇 |
2010年 | 318篇 |
2009年 | 314篇 |
2008年 | 363篇 |
2007年 | 295篇 |
2006年 | 261篇 |
2005年 | 230篇 |
2004年 | 243篇 |
2003年 | 209篇 |
2002年 | 180篇 |
2001年 | 185篇 |
2000年 | 142篇 |
1999年 | 148篇 |
1998年 | 106篇 |
1997年 | 128篇 |
1996年 | 122篇 |
1995年 | 112篇 |
1994年 | 78篇 |
1993年 | 76篇 |
1992年 | 59篇 |
1991年 | 58篇 |
1990年 | 55篇 |
1989年 | 44篇 |
1988年 | 14篇 |
1987年 | 15篇 |
1986年 | 5篇 |
1985年 | 10篇 |
1984年 | 9篇 |
1983年 | 7篇 |
1982年 | 2篇 |
排序方式: 共有6588条查询结果,搜索用时 19 毫秒
1.
牛肝菌作为一种著名的野生食用菌,具有较高的食用价值和经济价值。牛肝菌种类繁多,不易区分,建立一种有效、快速、可信的种类鉴别技术,可为牛肝菌提高品质提供一种方法。本研究采集云南不同地区7种野生牛肝菌共计683株,获取样品中红外光谱和紫外光谱,分析不同种类牛肝菌平均光谱图特征。基于多种预处理组合(SNV+SG,2D+MSC+SNV,1D+MSC+SNV+SG,MSC+2D)的单一光谱数据结合两种特征值提取法(PCA,LVs)构建了偏最小二乘法判别分析与随机森林算法并结合数据融合策略对牛肝菌进行种类鉴别,有一定的创新性。结果表明:(1)中红外光谱和紫外光谱的不同种类牛肝菌平均光谱吸收峰差异较小,吸光度具有细微差异。(2)合适的预处理可提高光谱数据信息,偏最小二乘法判别分析和随机森林算法模型的中红外光谱数据和紫外光谱数据最佳预处理组合为2D+MSC+SNV,SNV+SG,2D+MSC+SNV,1D+MSC+SNV+SG。(3)单一光谱模型中,中红外光谱模型优于紫外光谱模型,中红外光谱最佳预处理组合2D+MSC+SNV的偏最小二乘法判别分析模型正确率训练集99.78%,验证集99.12%;随机森林模型正确率训练集93.20%,验证集99%。(4)数据融合策略提高了分类正确率,低级融合的偏最小二乘法判别分析模型训练集和验证集正确率为100%,99.12%。随机森林模型训练集和验证集正确率为92.32%,99.14%。(5)随机森林算法中级数据融合Latent variable(LVs)正确率为训练集92.76%,验证集96.04%;中级数据融合Principal components analysis(CPA)正确率为训练集97.15%,验证集100%。(6)偏最小二乘法判别分析中级数据融合(LVs)正确率为训练集100%,验证集99.56%;中级数据融合(CPA)训练集和验证集正确率均能达到100%。基于偏最小二乘法判别分析和随机森林算法结合数据融合策略对牛肝菌进行种类鉴别,鉴别效果理想。偏最小二乘法判别分析中级数据融合(CPA)可作为一种低成本高效率的牛肝菌种类鉴别技术。 相似文献
2.
在近红外光谱的定量分析中,由于仪器的精密程度越来越高,采集的光谱数据通常具有很高的维度。因此,波长选择对于剔除噪声及冗余变量,简化模型,提高模型的预测性能是必不可少的。近红外光谱特征波长选择方法众多,但变量间的多重共线性问题仍是导致模型效果较差的一个关键问题。变量间共线性可以通过相关系数进行分析,当相关系数高于0.8,表明存在多重共线性。据此,以变量间相关系数为选择标准,提出一种以所选变量之间共线性最小化的波长选择方法,称之为最小相关系数法(MCC)。该方法以光谱数据的相关系数矩阵为基础,挑选出与其他波长相关系数平均值和标准差均较小的波长为候选建模波长集合,使得集合内波长之间线性相关性最小,进而消除模型变量之间共线性。然后通过标准回归系数优选对因变量影响较大的波长,获得预测模型。为了验证所提出算法的有效性,对该方法进行了测试。利用两组公开的近红外光谱数据集(柴油数据集、土壤数据集),通过MCC算法进行波长选择,并与常用的几个波长选择方法,如:连续投影算法(SPA)、竞争性自适应重加权采样法(CARS)、随机蛙跳算法(RF)、迭代保留信息变量法(IRIV)进行比较。实验结果表明,MCC算法获得了良好的预测性能,MCC算法的预测精度相比于SPA,CARS和RF三种算法具有明显的优势,而MCC算法的预测精度与IRIV算法不相上下。因此,最小相关系数法可实现高效降维,提高模型的预测精度,是一种有效的波长选择算法。 相似文献
3.
为研究同时考虑零售商竞争与第三方回收闭环供应链的定价决策及协调问题, 分别建立了集中与分散决策模式下的闭环供应链优化模型, 并提出了基于改进K-S法的协调机制。研究表明:在分散式闭环供应链决策下, 较之两零售商与第三方, 制造商总是可以获得最大的利润。两零售商在产品价格上竞争程度的增强不仅可以有效提高产品销量, 同时对废旧产品的回收也起到了很好地促进作用。闭环供应链成员企业间的合作策略能有效消除系统的“双重边际”效应, 且较之零售商及第三方回收商, 制造商的合作动力更强。 相似文献
4.
针对土壤定量分析受基体效应影响大,LIBS定量分析精度不佳等问题,采用粒子群算法对LSSVM进行优化,提高模型的精确度。选取Pb Ⅰ 405.78 nm和Cr Ⅰ 425.44 nm作为分析谱线进行分析。采集十二个不同浓度样品的特征光谱,每个浓度样品在不同点采集20组数据,将其中17组数据设为训练集,3组数据设为预测集,用LSSVM和PSO-LSSVM两种方法建立定标模型。对比两种模型的拟合相关系数(R2)、训练集均方根误差(RMSEC)和预测集均方根误差(RMSEP)。由于自吸收效应的影响,随着浓度的增加,预测值逐渐低于实际值,LSSVM定标模型的拟合程度较低,无法达到实验要求,模型性能有待提高。利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化,得到最佳的参数组合,Pb元素为(8 096.8, 138.865 7),Cr元素为(4 908.6, 393.563 5),用最佳的参数组合构建LSSVM的定标模型。相比于LSSVM,PSO-LSSVM定标模型的精确度更高,Pb和Cr元素的R2提高到了0.982 8和0.985 0,拟合效果明显提升。Pb和Cr元素的训练集均方根误差由0.026 0 Wt%和0.027 2 Wt%下降到0.022 4 Wt%和0.019 1 Wt%,预测集均方根误差由0.101 8 Wt%和0.078 8 Wt% 下降到0.045 8 Wt%和0.042 0 Wt%,模型的稳定性进一步提高。说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响,提高分析结果的精确度与稳定性。 相似文献
5.
地上生物量(AGB)是作物长势评价及产量预测的重要指标,因此快速准确地估算AGB至关重要。由于传统植被指数(VIs)估算多生育期的AGB存在饱和现象,因此,利用VIs结合基于离散小波转换(DWT)的影像小波分解(IWD)技术提取的高频信息和连续小波转换(CWT)技术提取的小波系数,探究VIs,VIs+IWD和VIs+CWT对于AGB的估算能力。首先,基于无人机平台分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期的数码影像和成像高光谱影像以及地面实测的AGB数据。其次,利用数码影像通过IWD技术提取3种高频信息和利用高光谱反射率数据通过CWT技术提取小波系数以及构建6种高光谱植被指数。然后,将植被指数、高频信息和小波系数分别与AGB进行相关性分析,并挑选出不同尺度下相关系数绝对值较高的前10波段。最后,以VIs,VIs+IWD和VIs+CWT这3种变量分别使用偏最小二乘回归(PLSR)方法构建AGB估算模型,并对比不同模型估算AGB的效果。结果表明: (1)每个生育期选取的6种植被指数、3种高频信息和10种小波系数与AGB的相关性均达到0.01显著水平,整个生育期相关性均呈现先升高后降低的趋势,其中以小波系数得到的相关性最高、高频信息次之,植被指数最低。(2)对比分析每个生育期的3种估算模型,以VIs+CWT为输入变量的估算效果最好,VIs+IWD的估算效果次之,而VIs的估算效果最差,说明基于小波分析构建的模型适用性较广、稳定性较强。(3)每个生育期分别以3种变量利用PLSR方法构建的AGB估算模型均在块茎增长期达到最高精度(VIs:建模R2=0.70,RMSE=98.88 kg·hm-12,NRMSE=11.63%;VIs+IWD:建模R2=0.78,RMSE=86.45 kg·hm-12,NRMSE=10.17%;VIs+CWT:建模R2=0.85,RMSE=74.25 kg·hm-12,NRMSE=9.27%)。通过VIs分别结合IWD和CWT技术利用PLSR建模方法,可以提高AGB估算精度,为农业指导管理提供可靠参考。 相似文献
6.
压缩感知(CS)是一种新兴的信号压缩和采样技术,正交匹配追踪(OMP)是一种贪婪追踪算法,广泛用于压缩感知领域中的稀疏信号重构。针对近红外光谱信号高维小样本以及信号稀疏先验的特点,为进一步提高小样本近红外光谱变量选择的灵活性和可靠性,基于压缩感知理论,提出了一种新颖的光谱变量选择方法正交匹配追踪变量选择(OMPBVS)。OMPBVS算法通过对原始光谱信号的稀疏重构,将绝大部分变量的回归系数压缩为0,进而间接实现光谱变量选择。具体过程为以光谱矩阵为传感矩阵,预测变量为观测变量,迭代地计算残差与原子的内积,选择内积最大的原子,在每一步迭代过程中将信号投影到由所有已经被选择原子张成的子空间上,然后对所有被选择原子的系数进行更新,使得产生的残差与已被选择的所有原子都正交,其残差计算的实质是进行Gram-Schmidt正交化,正交投影能够在保证信号重构精度的情况下减小迭代次数。OMPBVS具有将光谱维度降低至样本大小规模的能力,其变量选择能力与LASSO相当,但与LASSO相比,由于OMPBVS损失函数的优化方法是前向选择算法,减少了迭代次数,并且可以精确控制选择变量的数量。分别在beer数据集和Wheat kernels数据集上进行变量选择实验,比较PLS,MCUVE-PLS,CARS-PLS,WMSCVS,LASSOLarsCV和OMPBVS六种变量选择方法的性能。其中beer数据集共60个样本,采用Kennard Stone (KS)方法划分训练集样本36个,测试集样本24个,预测变量为Original extract concentration。Wheat kernels数据集共523个样本,训练集样本415个,测试集样本108个,预测值为蛋白质含量。OMPBVS方法在beer数据集上选择变量个数、RMSEC和RMSEP分别为2,0.205 2和0.159 8,在Wheat kernels数据集上选择变量个数、RMSEC和RMSEP分别为9,0.450 2和0.412 5,其变量选择能力和模型性能均好于其他五种方法,这说明OMPBVS是一种有效的近红外光谱变量选择和定量分析方法。OMPBVS变量选择方法在小样本情况下具有良好的泛化能力,能够减少选择变量的数量,提高变量选择的稳健性。此外,基于SNV和MSC等光谱预处理方法,能够在一定程度上减少选择变量的个数,提高模型的可解释性。 相似文献
7.
8.
白丽霞 《数学的实践与认识》2021,(7):246-250
对热传导问题的微分方程采用无单元Galerkin法进行数值求解.首先,将微分方程用Galerkin加权残量法转化为等效的积分形式.然后,先将时间变量看作参数,对空间变量进行离散化,得到方程的半离散形式,接着,对时间采用向后Euler—Galerkin格式进行离散,得到方程的全离散形式最后,编制MATLAB程序,上机计算.列举了两个热传导算例,通过计算说明EFG法适用于热传导问题,且其计算速度快,精确度高、前后处理也十分方便,是一种具有潜力的温度场数值计算的新方法. 相似文献
9.
密排六方晶体结构金属中可同时启动的滑移系少,孪生成为密排六方金属中重要的塑性变形形式.由于密排六方金属复杂的晶体结构,均匀切变不能保证所有晶格点都能与基体形成对称的晶体结构,因此密排六方金属的孪生通常为滑移和原子重组(shuffle)机制相结合.本文以密排六方金属中常见的{101 ̅2}、{101 ̅1}、{112 ̅2}及{102 ̅1}孪生为例,阐述不同类型孪生过程中的孪晶位错机制.分析表明,由于原子重组机制的参与,密排六方金属的孪生可以通过不同形式的孪晶位错实现.以上四种密排六方金属孪晶中,只有{112 ̅2}孪生中的一层孪晶位错是纯剪切机制,其余的孪生机制都需要原子重组的参与.孪生机制可以大致分为滑移主导、原子重组主导以及滑移-重组相结合的机制.当孪生类型确定时,即第一不畸变面(孪晶面)k_1(和孪晶剪切方向η_1)确定时,不同孪晶位错机制对应的孪晶剪切大小和方向均不同,第二不畸变面k_2和共轭剪切方向η_2也不相同,所导致孪晶的拉压性质也不同.不同剪切方向和大小的孪晶位错机制有可能在不同应力和温度条件下被激活,从而作为密排六方金属塑性的重要来源. 相似文献
10.
ZHANG Xu BAI Xue-bing WANG Xue-pei LI Xin-wu LI Zhi-gang ZHANG Xiao-shuan 《光谱学与光谱分析》2021,41(11):3377-3384
为提高生鲜羊肉储存期内(4,8和20 ℃环境)挥发性盐基氮(TVB-N)的近红外光谱(NIR)检测的稳定性和准确性,选取特征光谱和预测模型是关键步骤。以121个羊肉样品为实验对象,采集生鲜羊肉680~2 600 nm波段的近红外光谱。以多元散射校正(MSC)、标准正态变换(SNV)等散射校正方法,Savitzky-Golay卷积平滑(SGS)、移动平均平滑(MAS)等平滑处理方法,以及归一化(Normalization)、中心化(Centering)、标准化(Autoscaling)等尺度缩放方法分别预处理光谱数据后建立偏最小二乘法(PLS)预测模型。比较发现SGS处理的光谱建模效果最好。利用蒙特卡洛采样(MCS)法及马氏距离法(MD)消除了羊肉光谱的5个异常数据。运用光谱-理化值共生距离(SPXY)算法划分总样本的75%(87个)为校正集样本,剩余29个为验证集样本,利用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)、改进的无信息变量消除法(IUVE)和连续投影算法(SPA)提取特征光谱得到的波长个数分别为14,713,144和15。将全光谱和4种方法提取的特征波长作为输入变量建立预测模型,CARS提取的波长所建立模型的性能优于UVE、IUVE和SPA提取的波长所建立模型的性能,表明CARS方法可以有效简化输入变量并提高预测模型的性能。改进后得到的IUVE法相比于UVE法,筛选出的波长数更少且模型性能有所提升。以提取的特征波长建立PLS,支持向量机(SVM)和最小二乘支持向量机(LS-SVM)预测模型,SVM模型得到最优的校正集预测结果,其中CARS-SVM预测模型的校正决定系数(R2C)和校正均方根误差(RMSEC)分别为0.939 1和1.426 7,最优的验证集预测效果为LS-SVM预测模型得到,其中IUVE-LS-SVM预测模型的验证决定系数(R2V)和验证均方根误差(RMSEV)分别为0.856 8和1.886 2。基于近红外特征光谱建立简化、优化的生鲜羊肉储存期TVB-N预测模型,为实现快速无损检测生鲜羊肉中的TVB-N浓度提供技术支持。 相似文献