全文获取类型
收费全文 | 3863篇 |
免费 | 434篇 |
国内免费 | 361篇 |
专业分类
化学 | 396篇 |
晶体学 | 6篇 |
力学 | 230篇 |
综合类 | 202篇 |
数学 | 2893篇 |
物理学 | 931篇 |
出版年
2024年 | 4篇 |
2023年 | 99篇 |
2022年 | 103篇 |
2021年 | 105篇 |
2020年 | 90篇 |
2019年 | 152篇 |
2018年 | 75篇 |
2017年 | 146篇 |
2016年 | 151篇 |
2015年 | 133篇 |
2014年 | 244篇 |
2013年 | 190篇 |
2012年 | 209篇 |
2011年 | 212篇 |
2010年 | 205篇 |
2009年 | 254篇 |
2008年 | 235篇 |
2007年 | 215篇 |
2006年 | 173篇 |
2005年 | 189篇 |
2004年 | 149篇 |
2003年 | 131篇 |
2002年 | 127篇 |
2001年 | 142篇 |
2000年 | 100篇 |
1999年 | 116篇 |
1998年 | 94篇 |
1997年 | 87篇 |
1996年 | 96篇 |
1995年 | 91篇 |
1994年 | 82篇 |
1993年 | 64篇 |
1992年 | 46篇 |
1991年 | 50篇 |
1990年 | 51篇 |
1989年 | 36篇 |
1988年 | 4篇 |
1987年 | 5篇 |
1985年 | 1篇 |
1983年 | 1篇 |
1959年 | 1篇 |
排序方式: 共有4658条查询结果,搜索用时 17 毫秒
1.
大数据背景下挖掘大规模高维数据所隐藏的信息备受关注.本文主要目的是采用分布式优化方法解决加SCAD和Adaptive LASSO惩罚的高维线性回归中的参数估计和变量选择问题.主要方法是通过构造全局损失函数的一个交互有效的正则化替代损失函数,把基于全局损失函数的优化问题转化为基于替代损失函数的优化问题.本文设计的修正的ADMM算法,在计算上,只需要子机器基于局部数据计算梯度,而主机器进行参数估计和变量选择.在主从机器交互复杂度上,基于替代损失函数所得的估计误差收敛于基于全局损失函数所得的估计误差.通过模拟和实证研究进一步验证本文提出的分布式计算方法在实际生活中的可行性和实用性. 相似文献
2.
3.
木材密度可以反映木材的干缩性、抗压抗拉强度等多种物理性质,是重要的木材物理特性。采用近红外光谱技术能够实现木材密度的快速预测,可克服传统检测方法耗费人力、物力、时间的弊端,但建模结果往往受异常样本的影响。为准确识别并剔除样本集中的异常样本,提出一种孤立森林结合学生化残差方法(IFSR),在利用孤立森林集成特征的优点基础上考虑样本对模型的影响度,可同时检测异常样本与强影响样本。该研究对181个落叶松木材样本的近红外光谱及其在常温下的气干密度进行了测定。通过对比多种方法预处理和特征选择方法,确定采用标准正态变量变化(SNV)+去趋势处理(DT)+均值中心化(MC)+标准化(Auto)方法进行预处理,采用竞争性自适应重加权算法(CARS)进行特征波段选择,消除噪声及无关信息对算法的影响,简化数据集,提高算法剔除异常样本的准确性。为验证IFSR方法剔除异常样本的能力,将其与蒙特卡洛交互验证(MCCV)、马氏距离(MD)等其他六种异常检测方法对比分析,建立偏最小二乘(PLS)模型对其进行异常检测性能评价。同时在上述基础上采用粒子群寻优-支持向量机回归(PSO-SVR),BP神经网络(BPNN)与PLS分别建立落叶松木材密度近红外预测模型。结果表明,IFSR结合PSO-SVR方法得到的优化模型预测能力最强,IFSR可有效剔除奇异样本,提高模型精度。 相似文献
4.
陕甘宁革命老区是黄土高原和黄河中上游的重点生态治理区,作为重要的生态屏障区,其生态治理意义重大。以陕甘宁革命老区为研究区域,基于改进的生态系统服务价值(ecosystem service value,ESV)当量因子法,利用地理探测器及地理加权回归(geographically weighted regression,GWR)模型,分析1995—2018年各县ESV时空变化特征、影响因素及各主导因素作用强度的空间分异特征。结果表明:(1)1995—2018年,陕甘宁革命老区ESV呈先下降后上升的特征,整体呈上升趋势,草地与林地对该区域ESV的贡献较大;(2)ESV空间等级转化呈现较显著的两极变化趋势,其中低级、高级ESV区域面积显著扩张,较高级ESV区域面积明显缩减;(3)地被覆盖度、人口密度、垦殖系数是ESV空间分异的主导因素,平均空间解释力超过0.378 0,自然、社会、经济因素间的交互协同增强了其对陕甘宁革命老区ESV的影响程度;(4)各主导因素对ESV的影响程度表现出空间异质性,其中地被覆盖度及垦殖系数的影响程度由东向西递减,人均GDP和人口密度的影响程度则由西向东递减。 相似文献
5.
《中国惯性技术学报》2022,(1)
针对车载惯导/里程计组合导航系统中,里程计测量脉冲输出只为整数,存在截断误差的问题,提出了3种考虑里程计截断误差补偿的SINS/OD组合导航算法。首先,在传统的速度匹配组合导航基础上,将里程计截断误差作为系统状态变量,建立了基于速度观测的考虑截断误差的卡尔曼滤波导航算法;其次,为了降低噪声,不改变系统状态量,将捷联惯导输出转化为脉冲输出与里程计脉冲输出做差作为量测值,建立了基于脉冲观测的卡尔曼滤波导航算法;最后,针对随机常值模型估计里程计截断误差的局限性,提出基于高斯回归模型的里程计截断误差预测和对观测值进行补偿的方法,以实现组合导航解算。140多公里的车载实验结果表明,基于脉冲观测和基于高斯回归模型的算法相比传统算法在定位精度上均提升了80%以上。 相似文献
6.
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
7.
提出了一种基于拉曼光谱和改进人工蜂群算法优化支持向量机回归(IABC-SVR)算法快速定量检测山羊血清蛋白含量的方法。传统人工蜂群算法在数据区域规模较大时,收敛速度逐渐减慢, 出现效率低、精准度下降、局部最优解概率高等问题。所提出的算法解决了这些问题,使算法在进化前期避免陷入局部最优解,在进化中后期能够保持解的全局搜索能力。常规测定血清蛋白总量的方法通常采用凯氏定氮法、双缩脲法等,但存在时效慢、污染样本等缺点。采用拉曼光谱法进行检测,具有快速、无损的优点。以山羊血清为分析对象,按一定体积比配置35组待测样本,用拉曼光谱仪采集拉曼光谱,光谱采集范围为300~1 300 cm-1,采用基线矫正去除荧光背景,使用Savitzky-Golay光谱平滑法对原始光谱进行平滑处理,归一化处理光谱数据,并对拉曼光谱特征峰进行归属。实验结果表明,拉曼光谱能够表征血清中主要化学集团的信息,且由于官能团浓度差异,光谱特征峰强度随浓度变化明显,因此基于特征峰信息可以测定血清蛋白总量。实验中,以购买的山羊血清蛋白含量为基准,通过配置样本的体积比得到各组待测血清样本的蛋白含量,配置的单个液体样本体积为3 mL,随机选取8组实验样本作为模型测试集,剩余27组作为模型训练集。以经过处理的光谱特征峰强度和对应的血清蛋白含量分别作为模型的输入值及输出值,建立IABC-SVR,ABC-SVR和BP三种算法的定量模型,对测试集血清蛋白总量进行预测。最后通过均方差(MSE),相关系数(r)与建模时间分别进行对比,结果表明通过IABC-SVR建立的山羊血清蛋白定量矫正模型效果最佳,模型的相关系数为0.990 27,均方误差为0.244 3,建模时间为1.9 s,预测值方差均小于0.001 g·mL-1,预测准确率为99.8%。实验结果表明,应用激光拉曼光谱技术结合IABC-SVR算法,对快速定量检测山羊血清蛋白含量,具有较高的准确率和稳定性。 相似文献
8.
9.
基于高斯回归分析的水稻氮素敏感波段筛选及含量估算 总被引:1,自引:0,他引:1
WANG Jiao-jiao SONG Xiao-yu MEI Xin YANG Gui-jun LI Zhen-hai LI He-li MENG Yang 《光谱学与光谱分析》2021,41(6):1722-1729
水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一。以2018年-2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻分蘖期、拔节期、孕穗期、扬花期、灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应的叶片氮素含量数据,利用单波段原始光谱和一阶导数光谱的相关性分析、高斯过程回归(GPR)等方法筛选水稻全生育期叶片及冠层尺度氮素敏感波段。针对敏感波段,利用单波段回归分析、随机森林(RF)、支持向量回归(SVR)、高斯过程回归-随机森林(GPR-RF)、高斯过程回归-支持向量回归(GPR-SVR)和GPR构建水稻氮素监测模型,并进行精度对比,以确定水稻叶片在各生育期的氮素估算最佳模型。结果表明:GPR筛选的敏感波段符合水稻氮素含量及光谱变化的规律。相同条件下,叶片模型精度整体高于冠层模型。相关性分析模型中,叶片尺度原始光谱模型更好,冠层尺度刚好相反,冠层一阶导数光谱可以减弱稻田背景噪声的影响。其中,叶片最佳模型建模集R2为0.79,验证集R2为0.84;冠层最佳模型建模集R2为0.80,验证集R2为0.77。与相关性回归分析模型相比,机器学习模型受生育期影响小(R2>0.80,NRMSE<10%)。其中,RF比SVR更适合对GPR敏感波段建模,GPR-RF模型可以用1.5%左右的波段达到RF模型使用全部波段的精度。五种方法中,GPR模型对生育期敏感度最低、叶片及冠层尺度效果都很好(R2>0.94,NRMSE<6%)。且与其他四种机器学习方法相比,GPR模型可有效提高冠层氮素含量估算的精度和稳定性(R2增加0.02,NRMSE降低1.2%)。GPR方法可为筛选作物氮素高光谱敏感波段、反演各生育期叶片及冠层氮素含量提供方法参考。 相似文献
10.
主要考虑如下加权全能量极值问题:h∈■^(inf)(A_(1),A_(2))α∫∫A_(1)(|h_(N)|^(2)+|h_(T)|^(2))1/(|h_(z)|^(2))dz+β∫∫A_(1)|h_(N)|^(2)+|h_(T)|^(2)/J(z,h)1/|z|^(2)dz,其中■(A_(1),A_(2))代表从圆环A_(1)到圆环A_(2)的所有保向同胚映射的集合.研究得到唯一的极值映射为径向拉伸映射.这将[Iwaniec T,Onninen J.Hyperelastic deformations of smallest total energy[J].Arch Rational Mech Anal,2009,194:927-986.]的结果推广至非欧情形.同时,也分别研究了圆环上的加权调和能量的极值问题与加权偏差的极值问题. 相似文献