全文获取类型
收费全文 | 8255篇 |
免费 | 1834篇 |
国内免费 | 3603篇 |
专业分类
化学 | 6355篇 |
晶体学 | 421篇 |
力学 | 652篇 |
综合类 | 353篇 |
数学 | 1117篇 |
物理学 | 4794篇 |
出版年
2024年 | 24篇 |
2023年 | 78篇 |
2022年 | 285篇 |
2021年 | 241篇 |
2020年 | 262篇 |
2019年 | 224篇 |
2018年 | 226篇 |
2017年 | 327篇 |
2016年 | 269篇 |
2015年 | 367篇 |
2014年 | 450篇 |
2013年 | 613篇 |
2012年 | 578篇 |
2011年 | 700篇 |
2010年 | 709篇 |
2009年 | 810篇 |
2008年 | 909篇 |
2007年 | 761篇 |
2006年 | 842篇 |
2005年 | 769篇 |
2004年 | 575篇 |
2003年 | 424篇 |
2002年 | 453篇 |
2001年 | 498篇 |
2000年 | 538篇 |
1999年 | 281篇 |
1998年 | 168篇 |
1997年 | 132篇 |
1996年 | 115篇 |
1995年 | 117篇 |
1994年 | 109篇 |
1993年 | 111篇 |
1992年 | 114篇 |
1991年 | 78篇 |
1990年 | 93篇 |
1989年 | 71篇 |
1988年 | 53篇 |
1987年 | 59篇 |
1986年 | 47篇 |
1985年 | 34篇 |
1984年 | 31篇 |
1983年 | 27篇 |
1982年 | 14篇 |
1981年 | 19篇 |
1980年 | 16篇 |
1979年 | 18篇 |
1978年 | 12篇 |
1966年 | 7篇 |
1965年 | 7篇 |
1964年 | 7篇 |
排序方式: 共有10000条查询结果,搜索用时 11 毫秒
61.
研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。 相似文献
62.
利用单相机所采集的图像实现了对光滑高反射表面面形的直接检测.首先利用相机获取参考平面在标准平面镜中的镜像,然后通过参考平面上的点与归一化成像平面上图像点之间的密集折返对应关系,求得待测镜面的深度距离,从而实现对高反射表面面形的测量.通过光线追迹将该测量过程转化为求解物空间中关于两对应光线束之间的相交问题.以相位为载体获取面形梯度分布,求得该表面的法向量场,并求解相应的反射光线束.通过光线追迹对该光线束与相应入射光线束求“交点”检测高反射表面.对标准平面镜进行实验检测,测量得到的面形平面度为0.19 mm.采用传统方法与本文所提方法对汽车后视镜进行检测,所得检测结果对应点之间的平均距离为0.15 mm,验证了本文方法检测镜面面形的有效性. 相似文献
63.
实验研究了Nd∶YVO4/Nd∶GdVO4双波长激光器在不同抽运功率条件下,通过调节热沉温度达到功率均衡时的输出特性.实验结果表明:对于Nd∶YVO4/Nd∶GdVO4双波长激光器,当提高抽运功率,需要重新降低热沉温度达到功率均衡输出,降温幅度与抽运功率增加之比为11.23℃/W.与此同时,随着抽运功率和热沉温度的变化,双波长激光器的中心波长会出现小幅度的漂移,左峰波长随抽运功率增加的蓝移速率为0.056 nm/W,右峰波长随抽运功率增加的蓝移速率为0.054 nm/W.实验还发现功率均衡条件下激光器的输出总功率随抽运功率的增加而增加,拟合斜效率为8.7%,当抽运功率为5.58 W时,输出最大总功率达到115.7 mW. 相似文献
64.
静止轨道卫星差分吸收光谱仪采用摆扫成像方式对大气进行探测,针对其工作时CCD成像系统信噪比大于1 000、高速探测模式下探测周期小于10min、高分辨率模式下探测周期小于1h的要求,进行CCD成像系统设计.选取CCD47-20作为探测器,设计成像电路实现光谱图像信号的采集和上传.分析了帧叠加和像元合并对时间、空间分辨率的影响.结合帧转移CCD的特点设计了每个位置最后一帧读出时摆镜转动的成像方式,并合理设置了帧叠加数和像元合并数,达到优化成像周期的目的.1s曝光时间条件下,该CCD成像系统的高速、高分辨率模式探测周期分别为515s和3 315s,图像信噪比均大于1 000,污染物观测实验中未出现失帧或重复的现象.该CCD成像系统方案满足静止轨道星载差分吸收光谱仪的探测需求,为静止轨道环境监测仪器设计提供参考. 相似文献
65.
研究了背电极金属Al膜上二维ZnO:Al光栅的制备及其反射光谱特性.在厚度为300 nm的Al膜上溅射80 nm ZnO:Al薄膜,旋涂AZ5206光刻胶,用波长为325 nm的激光进行光刻制作光栅掩模.采用溶脱-剥离法在Al衬底上制备周期(624~1250 nm)和槽深(100~300 nm)可独立调控的ZnO:Al二维光栅.表面形貌采用原子力显微镜和扫描电镜观察,反射光谱用带积分球的分光光度计测试,双向反射分布函数用散射仪测量.结果表明,300 nm Al膜上织构二维ZnO:Al光栅背电极结构,当光栅槽深为228 nm,周期从624 nm增加到986 nm时,背电极总反射率、漫反射率以及雾度均随光栅周期增大而显著增加,而当周期从986 nm增加到1250 nm时,总反射率、漫反射率以及雾度略有增加.双向反射分布函数测试结果进一步证实了上述实验结果,即随着周期增大,漫反射峰值越大,衍射峰个数也增多.提示背反电极上槽深为228 nm、周期为986 nm的二维ZnO:Al光栅具有较好的散射效果,其中漫反射占总反射的百分比为45%. 相似文献
66.
67.
核电池具有能量密度高、工作稳定可靠、无需人工干预等优点,在需要长期稳定供电的场合具有独特优势,其中热转换式核电池(RTG)是技术最为成熟且应用最早的一类,而β辐射伏特效应核电池已有商业化案例。目前,在β辐射伏特效应核电池研究中存在着放射源自吸收效应浪费能量、转化效率低、换能器件辐射损伤严重等问题,而对于一个实际的核电池,由于放射源自身不断衰变的属性,导致源的成分及其活度随着时间而发生变化,最终影响核电池的电学性能,其影响程度需要加以深入研究。本文以时间轴的形式对核电池的发展进行了全面回顾,简要介绍多种主流类型核电池的原理和应用范围;对于β辐射伏特效应核电池,指出放射源的自吸收是其中的关键科学问题。对于使用63Ni和TiT2放射源的核电池,给出了其电学性能随时间变化的规律;指出对于某一特定结构的β辐射伏特效应核电池设计,在前期的模拟优化环节中,精细计算是至关重要的;最后提出了将放射源与换能材料相结合、使用含有较重同位素的换能器件的设想,这些设想有利于解决放射源自吸收问题、提高核电池输出功率和减轻辐射损伤的影响。 相似文献
68.
研究了声轨道角动量水下发射技术与多路复用的水下数据传输,基于点源理论推导了相控圆周阵列发射声轨道角动量的基本原理,分析了干扰项的阶数成分及干扰项对主项的影响,优化设计了基于Cymbal换能器的阵列样机,阵列样机直径为Φ180 mm,阵元数为10元,工作频率为25 kHz,通过对阵列阵元的相位调控实现了-3至3六阶声轨道角动量的发射,验证了基于相控原理实现不同拓扑荷数声轨道角动量发射的理论。通过利用各阶声轨道角动量的开关状态进行数据编码,进行了基于声轨道角动量多路复用的水下数据传输实验,实验结果表明,不同拓扑荷数的声轨道角动量具有良好的正交性质,可以利用基于声轨道角动量的多路复用技术实现水下数据传输功能。 相似文献
69.
§1.方法与结果设(X,θ)是取值于 R~d×R~1上的随机变量。设已观察了 X 的值为 x,要利用 X 之值 x 去预测θ。假定δ(x)是一个预测函数,且引进了某种损失函数 L(θ,a)(用 a 去预测真值θ时有 L(θ,a)这么大的损失。则预测δ的风险定义为 R(δ)=E[L(θ,δ(X))]。若预测δ~*满足条件 R(δ~*)=(?) R(δ),其中 (?) 意义对一切可能的预测函数取 inf,则称δ~*为 Bayes 预测,R~*=R(δ~*)为 Bayes 风险。若(X,θ)的分布已知,原则上不难 相似文献
70.