全文获取类型
收费全文 | 3335篇 |
免费 | 596篇 |
国内免费 | 574篇 |
专业分类
化学 | 268篇 |
晶体学 | 4篇 |
力学 | 176篇 |
综合类 | 319篇 |
数学 | 2778篇 |
物理学 | 960篇 |
出版年
2024年 | 5篇 |
2023年 | 73篇 |
2022年 | 84篇 |
2021年 | 63篇 |
2020年 | 46篇 |
2019年 | 77篇 |
2018年 | 46篇 |
2017年 | 92篇 |
2016年 | 108篇 |
2015年 | 115篇 |
2014年 | 211篇 |
2013年 | 167篇 |
2012年 | 190篇 |
2011年 | 219篇 |
2010年 | 196篇 |
2009年 | 177篇 |
2008年 | 224篇 |
2007年 | 209篇 |
2006年 | 222篇 |
2005年 | 187篇 |
2004年 | 209篇 |
2003年 | 179篇 |
2002年 | 177篇 |
2001年 | 156篇 |
2000年 | 142篇 |
1999年 | 106篇 |
1998年 | 113篇 |
1997年 | 90篇 |
1996年 | 93篇 |
1995年 | 101篇 |
1994年 | 95篇 |
1993年 | 56篇 |
1992年 | 52篇 |
1991年 | 60篇 |
1990年 | 55篇 |
1989年 | 58篇 |
1988年 | 17篇 |
1987年 | 14篇 |
1986年 | 8篇 |
1985年 | 1篇 |
1984年 | 6篇 |
1983年 | 2篇 |
1982年 | 4篇 |
排序方式: 共有4505条查询结果,搜索用时 31 毫秒
1.
张磊 《数学的实践与认识》2021,(1):302-307
设G=(V,E)是一个连通图.称一个边集合S■E是一个k限制边割,如果G-S的每个连通分支至少有k个顶点.称G的所有k限制边割中所含边数最少的边割的基数为G的k限制边连通度,记为λ_k(G).定义ξ_k(G)=min{[X,■]:|X|=k,G[X]连通,■=V(G)\X}.称图G是极大k限制边连通的,如果λ_k(G)=ξ_k(G).本文给出了围长为g>6的极大3限制边连通二部图的充分条件. 相似文献
2.
随着高通量技术的发展,越来越多的生物医学组学数据亟需处理与分析,基于运筹优化的生物信息学方法是有效解析高维生物医学数据的重要途径之一。综述了近年来在基因调控网络推断方面的研究进展。针对不同类型的转录组学数据和研究目的,分别建立了相应的基因调控网络推断方法,主要包括先验基因调控网络数据库的建立、基于条件互信息的因果网络推断、基于微分方程的动态基因调控网络推断、转录调控和转录后调控协同作用的网络推断以及基因调控网络活性评价等,并展望了基因调控网络推断的重要研究方向。 相似文献
3.
该文研究了以下高阶Yamabe型方程Lm,pu?g|u|^p?2u=λf|u|α?2u在有限图上的非平凡正解的存在性,其中Lm,p是一个2m阶差分算子,它是一种p次(?Δ)^m算子更一般化,α≥p≥2,g>0和f>0是定义在G的所有顶点上的实函数,m≥1是一个整数. 相似文献
4.
5.
6.
雾场边界及雾化角作为雾场的重要特性参数,主要通过图像法进行测量。在图像处理过程中,一般是将灰度图转化为二值化图像,然后依次针对二值化图像进行处理和计算。由于雾场的多相流特性,得到的二值化阈值和图像与实际雾场是否一致缺少评判依据。提出根据喷雾的灰度图像直接处理,得到掩模板并作用于灰度图像,采用图像形态学和迭代方法,计算灰度图像的梯度值。通过得到梯度值最大时的灰度图像,计算雾场边界和雾化角。实验表明,该方法提供了一种雾场边界的数值判断依据,通过梯度最大值判断并提取雾场边界,从而通过程序自动实现雾场边界提取与雾化角拟合测量。 相似文献
7.
8.
设计并研制了柱面结构的1-3型复合材料凹面线聚焦换能器,在提高换能器带宽的同时,可以实现声场的线聚焦。将换能器内部PZT柱作为独立声源,应用瑞利积分和叠加原理,推导出了柱形凹面换能器总声场的理论表达式。通过仿真计算分析了换能器在聚焦线上的声场特点以及相关参数对聚焦性能的影响。对换能器参数做出合理设计,使换能器在实现线聚焦的同时,声场在聚焦线上的起伏较小,从而设计并制作出聚焦性能良好的线聚焦凹面换能器探头。实验测试结果表明采用本文方法计算得到的换能器声场与实测的声场分布基本符合,柱形凹面换能器在其几何焦点附近范围内均可实现聚焦,并在侧向上形成清晰的聚焦线,其聚焦线长度为换能器的侧向结构长度,在聚焦线上声场分布起伏较小。 相似文献
9.
10.
设$ G $ 是一个$ n $ 阶$ k $ 圈图, $ k $ 圈图为边数等于顶点数加$ k-1 $ 的简单连通图。$ \mu_{1}(G) $ 、$ \mu_{2}(G) $ 分别记为图$ G $ 的Laplace矩阵的最大特征值和次大特征值, 图$ G $ 的Laplace分离度定义为$ S_{L}(G)=\mu_{1}(G)-\mu_{2}(G) $ 。本文研究了给定阶数的$ k $ 圈图的最大Laplace分离度, 并刻画了相应的极图, 其结果推广了已有当$ k=1, 2, 3 $ 时的结论。 相似文献