全文获取类型
收费全文 | 5815篇 |
免费 | 577篇 |
国内免费 | 440篇 |
专业分类
化学 | 1651篇 |
晶体学 | 57篇 |
力学 | 212篇 |
综合类 | 132篇 |
数学 | 2175篇 |
物理学 | 2605篇 |
出版年
2024年 | 16篇 |
2023年 | 52篇 |
2022年 | 130篇 |
2021年 | 114篇 |
2020年 | 122篇 |
2019年 | 143篇 |
2018年 | 146篇 |
2017年 | 171篇 |
2016年 | 203篇 |
2015年 | 162篇 |
2014年 | 341篇 |
2013年 | 436篇 |
2012年 | 311篇 |
2011年 | 350篇 |
2010年 | 290篇 |
2009年 | 360篇 |
2008年 | 410篇 |
2007年 | 400篇 |
2006年 | 328篇 |
2005年 | 285篇 |
2004年 | 258篇 |
2003年 | 273篇 |
2002年 | 212篇 |
2001年 | 172篇 |
2000年 | 174篇 |
1999年 | 152篇 |
1998年 | 130篇 |
1997年 | 131篇 |
1996年 | 122篇 |
1995年 | 79篇 |
1994年 | 52篇 |
1993年 | 46篇 |
1992年 | 39篇 |
1991年 | 31篇 |
1990年 | 29篇 |
1989年 | 15篇 |
1988年 | 20篇 |
1987年 | 15篇 |
1986年 | 20篇 |
1985年 | 15篇 |
1984年 | 15篇 |
1983年 | 6篇 |
1982年 | 21篇 |
1981年 | 9篇 |
1980年 | 3篇 |
1979年 | 10篇 |
1978年 | 9篇 |
1976年 | 1篇 |
1974年 | 1篇 |
1973年 | 1篇 |
排序方式: 共有6832条查询结果,搜索用时 15 毫秒
51.
高压LED因其自身突出的特点在照明领域有着潜在的应用优势,但作为一种新型功率LED,其光电热特性仍需深入研究。该实验对6和9V GaN基高压LED芯片进行了相同结构和工艺条件的封装,对封装样品进行了10~70℃的变温度光谱测试,并进行了从控温平台温度到器件结温的转换。为保证器件的电流密度相同,6和9V样品光谱测试的工作电流分别设定为150和100mA。结果显示,结温升高会导致蓝光峰值波长红移、波长半高宽增大、光效下降和显色指数上升等现象。在相同平台温度和注入功率下,9V样品的结温低于6V样品;随着温度的升高,9V样品波长半高宽的增加量比6V样品少1.3nm,光效下降量少1.13lm·W~(-1),显色指数上升量少0.28。以上表明,与低压LED相比,高压LED有着更低的工作结温和更小的温度影响。原因在于,相同环境温度下高压LED具有更好的电流扩展性和更少的发热量。此特性在高压LED的研究、发展与应用等方面具有参考价值。此外,峰值波长仍与结温有着较好的线性度,在光谱设备精度较高的情况下可继续作为结温的敏感参数。 相似文献
52.
53.
恒星光谱分类是研究恒星的基础性工作之一,常用的光谱分类是基于20世纪70年代Morgan和Keenan建立起来的并逐步完善的MK分类系统。然而基于MK规则的交互式决策分类系统对处理海量天文光谱数据存在着一定的困难。目前光谱巡天一般采用的自动化分类则是模版匹配方法而忽略对谱线特征的测量。怎样自动、客观地提取海量光谱中的分类特征并应用这些特征进行分类可以对天体的物理化学性质的统计分析至关重要。针对此问题,通过机器学习和计算光谱的谱线指数结合的方法,提取光谱特征,并通过大数据分析定量地确定对光谱特征谱线的分类判据(数值化),确定每一类光谱具有物理意义的特征谱线的强度分布。首先对LAMOST DR4恒星光谱测量其谱线指数作为输入,光谱的分类标记采用官方发布的分类结果。使用XGBoost算法进行自动分类及特征排序,从而获得已知或未知的对于分类决策最为敏感的谱线。首先,选取高信噪比(S/N>30)、被LAMOST标记为B,A,F和M的恒星光谱数据,总计约414万个。然后,对光谱数据计算谱线指数从而使其得到降维处理,过滤冗余信息。其次,将处理后的恒星光谱数据随机划分为训练集和测试集,通过适当调整算法参数,用训练集得到所需要的分类决策树模型,用测试集测试其稳定性和可用性,以防止出现过拟合,同时使用算法自带函数进行提取分类特征。最后,输出并整理实验中算法所得的决策树模型,并挑选其概率比较大的分支作为最终的决策树模型。通过实验,可以发现在固定参数下,XGBoost所得的模型有一定的自适应性,较少受数据集影响,总体准确率可达88.5%;同时其所输出的分类决策树与已知的特征较为吻合,而且可以获得基于大数据的、数值化的特征谱线对应分类的范围,为完善基于特征的分类提供定量的规则。 相似文献
54.
There are 281 subgroups of index 4 for the 17 types of 2-dimension space groups: p1:7, p2:31, pm:19, pg:7, cm:11, p2mm:67, p2mg:23, p2gg:11, c2mm:31, p4:11, p4mm:31, p4gm:11, p3:4, p3m1:4, p31m:4, p6:4, p6mm:5. Every subgroup has been identified by its conventional cell disposition with respect to the conventional cell of the starting group. These subgroups may be arranged in 96 automorphism classes and 184 conjugation classes according to their starting groups. 相似文献
55.
56.
ADI土壤水分反演方法 总被引:1,自引:0,他引:1
土壤水分是影响植被、土壤和大气之间能量和水分循环的重要因素,及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间(NIR-RED)发展了一种新型土壤水分遥感监测模型ADI(angle dryness index),提高了可见光与近红外波段监测土壤水分的精度。经过研究表明,在红光与近红外(NIR-RED)特征空间中,存在一个中间角度变量θ,利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况,而不受植被覆盖度的影响,因此利用该原理构建了ADI方法。最后利用两组遥感数据(分别为TM5与MODIS产品数据)以及对应的地面观测数据进行验证,结果表明计算值与实测值均具有较高的一致性,R2分别达到0.74与0.64。同时,将MPDI的计算结果与实测值进行了比较,两组数据的R2均小于0.60,表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度,这可能是引起计算结果误差的主要因素。此外,MPDI的计算结果表征土壤湿度的相对值,而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元,还有其他类型端元的概率高于TM数据,因而MODIS数据的计算精度低于TM。因此,ADI是一种简单可行且具有较大应用前景的土壤水分反演方法,适合于推广应用。 相似文献
57.
58.
设图$G$,其中边集为$E(G)$,顶点集$V(G)$.反对称分割指数被定义为$ISDD(G)=\sum_{uv \in E(G)}\dfrac{d_ud_v}{d_u^2+d_v^2}$,其中$d_u$, $d_v$分别为顶点$u,v$的度.化学树就是顶点的度不超过4的树.在本文中,我们刻画出具有最小反对称分割指数的$n$阶化学树. 相似文献
59.
60.