首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   450篇
  免费   115篇
  国内免费   163篇
化学   306篇
晶体学   29篇
力学   42篇
综合类   12篇
数学   114篇
物理学   225篇
  2023年   4篇
  2022年   16篇
  2021年   24篇
  2020年   20篇
  2019年   13篇
  2018年   13篇
  2017年   27篇
  2016年   18篇
  2015年   29篇
  2014年   25篇
  2013年   51篇
  2012年   32篇
  2011年   37篇
  2010年   46篇
  2009年   41篇
  2008年   41篇
  2007年   28篇
  2006年   31篇
  2005年   44篇
  2004年   34篇
  2003年   14篇
  2002年   15篇
  2001年   20篇
  2000年   29篇
  1999年   8篇
  1998年   8篇
  1997年   4篇
  1996年   5篇
  1995年   3篇
  1994年   9篇
  1993年   2篇
  1992年   6篇
  1991年   1篇
  1990年   2篇
  1989年   5篇
  1988年   2篇
  1987年   7篇
  1986年   3篇
  1985年   2篇
  1983年   3篇
  1981年   1篇
  1980年   3篇
  1979年   1篇
  1936年   1篇
排序方式: 共有728条查询结果,搜索用时 174 毫秒
91.
对半导体电极表面进行修饰,使它能吸收与太阳.光谱相匹配波长范围的光和具有良好电化学活性是光电化学研究领域中的一个课题.  相似文献   
92.
采用分光光度法研究了磺化酞菁镓的二聚现象;测定了二聚常数kd,讨论了PH值、离子强度、水、温度等因素对kd的影响,研究结果表明:磺化酞菁镓的二聚反应可表示成:2SPcGaOH⇔(SPcGa)2O+H2O 且磺化酞菁镓的二聚常数随着离子强度、磺酸基数目、水的浓度的增加而增加。  相似文献   
93.
近年来不断有合成新冠醚和冠醚衍生物的报道,关于冠醚质谱特征的研究也开始见诸文献,但这类文献的报道还不多.这可能是因为冠醚,尤其是复杂冠醚衍生物的熔点较高,在电子轰击(EI)或化学电离(CI)条件下测定存在一定困难的缘故.例如,本文讨论的双冠醚1~4都曾用EI法进行质谱测定.测定时,样品需加热到350℃,甚至400℃以上,才能得到质谱信号,而所得信号仍然相当弱.这不仅是测定本身的困难,而且可能引起离子源污染等问题.为此,我们采用快原子轰击(FAB)法测定双冠醚1~6的质谱,并对其裂解规律进行了初步的探讨.  相似文献   
94.
陆振荣  许海涵 《化学学报》1983,41(12):1179-1184
The stability constants of complexes of N-phenylthiourea with bismuth (III) in 1M perchloric acid have been studied spectrophotemetrically by the method of corresponding solutions. The enthalpy change ΔH5^0 is obtained from the temperature coefficient data. The Gibbs free energy changes ΔG5^0 and the entropy changes ΔS5^0 are calculated from known formulas respectively. The experimental results are discussed. The successive accumulative stability constants and thermodynamic parameters ΔH5^0, ΔG5^0, ΔS5^0 are listed in Table 6 of the Chinese Text.  相似文献   
95.
胥荣  鲜于泽 《物理学报》2000,49(2):334-338
根据分子振动理论,采用简化模型分析了Bi系高温超导体Cu—O键伸缩振动的振动模式,计算了相应于红外活性模的振动频率,并将计算结果与实验分析结果进行了比较 关键词:  相似文献   
96.
针对忽略岩土体非均质和各向异性将导致边坡稳定性评价产生误差的问题,应用极限分析上限理论及抗剪强度系数折减法,推导土体强度非均质和各向异性影响下隧道洞口含裂缝仰坡稳定性解析式,探究土体强度非均质和各向异性对仰坡稳定性系数、坡顶裂缝位置、隧道拱顶失稳范围及仰坡安全系数的影响。结果表明,裂缝深度及坡角越大,仰坡稳定性系数越小;非均质系数越大和各向异性系数越小,维持仰坡稳定的临界坡高越大;非均质系数及各向异性系数越大,裂缝距坡顶边缘越远,隧道拱顶失稳范围越大;非均质系数增大有利于仰坡稳定,而各向异性系数越大仰坡越易失稳。  相似文献   
97.
1INTRODUCTIONIntheearlyseventiesthreegroupsofinvesti-gators[1~3]establishedthatlow-valenttitaniumcanabstractoxygenfromketonesoraldehydes,leadingtotheformationofolefins.Avarietyofotherfunc-tionalgroupscanalsobereduced[4~7].However,thereactionof2-nitroben…  相似文献   
98.
KDP晶体生长缺陷是导致其锯切开裂的重要原因.本文采用有限元法建立了含缺陷的KDP晶体线锯切割数值计算模型,仿真分析了锯切过程中缺陷附近的应力分布状态,研究了缺陷尺寸及分布位置对应力分布的影响.结果表明,晶体缺陷引起局部应力集中,锯切过程中应力集中系数保持稳定,但当锯口通过缺陷时,应力集中系数激增.锯口处也存在应力集中,当锯口靠近缺陷时,两种应力集中的耦合效应增强,缺陷处最大拉应力增大;锯切至缺陷处时,耦合效应最强,最大拉应力增大到最大值.缺陷距离切除层越近,锯切过程中缺陷处最大拉应力的变化越剧烈;锯切末段切除层中的缺陷处具有更大的最大拉应力.  相似文献   
99.
拉曼光谱物质定性鉴别已被广泛应用于诸多行业和研究领域,但传统拉曼光谱分析过程中的预处理主要依赖人为经验,光谱特征提取虽然能够降低信号维度,同时也会造成部分光谱信息损失。特性相近物质本身光谱相似度较高,受到测量过程中环境干扰和分析过程中多种误差影响,导致最终分类效果并不理想。针对此问题,提出基于一维卷积神经网络(one-dimensional convolution neural network,1D-CNN)的拉曼光谱定性分类方法。实验采集雌酮(Estrone)、雌二醇(Estradiol),雌三醇(Estriol)三种不同雌性激素粉末的拉曼光谱,设计随机平移、添加噪声和随机加权三种光谱数据增强方法,构建数量充足的拉曼光谱数据库用于神经网络模型训练与测试;基于拉曼光谱数据特点提出一维卷积神经网络分类模型,将光谱预处理、特征提取和定性分类的全过程融为一体。通过大量仿真实验,优化所提出的神经网络模型超参数和训练过程并测试分类效果,从预处理对光谱分类结果的影响和模型抗干扰性能两个方面与多种传统拉曼光谱分类算法对比,评价模型性能。实验结果表明,本文提出的一维卷积神经网络模型可实现三类雌性激素粉末拉曼光谱快速准确分类,分类正确率最高可达98.26%,分析过程中无需光谱预处理和特征提取步骤,简化了光谱分析流程,并能保留更多有效信息。同时,当模拟测量噪声强度达到60 dBW时,传统方法分类正确率均明显出现不同程度明显降低,卷积神经网络模型依然能够取得96.81%的分类正确率,说明相比对传统拉曼光谱分类方法,所提出方法受光谱测量噪声影响更小,鲁棒性更强,适用于分析更复杂现场测量的强噪声拉曼光谱信号。该研究结果表明深度学习方法在拉曼光谱的分析与处理领域具有很大的应用潜力和研究价值。  相似文献   
100.
恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进,人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此,研究人员开始关注数据挖掘算法,并尝试对这些光谱进行数据挖掘。近年来,神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中,支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时,通过将其最优化问题转化为具有(QP)形式的凸问题,进而得到全局最优解。尽管该方法在实际应用中表现优良,但为了进一步提高其分类能力,有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开,每一类靠近某个分类面,而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍,因此,自TSVM提出后便受到研究人员的持续关注,并出现若干改进算法。在恒星光谱分类中,一般分类算法都是根据历史观测光谱来建立分类模型,其中最关键的是对光谱进行人工标注,这项工作极为繁琐,且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此,提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分;然后,在训练集上进行学习,得到分类依据;最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势,更重要的是,在训练集上学习分类模型过程中,不仅考虑有标记的训练样本,也考虑部分未标记的样本。一方面提高了学习效率,另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明,与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比,带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而,该方法亦存在一定的局限性,其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想,利用大数据处理技术,来对所提方法在大数据环境下的适应性展开进一步研究。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号