全文获取类型
收费全文 | 7863篇 |
免费 | 1188篇 |
国内免费 | 930篇 |
专业分类
化学 | 4278篇 |
晶体学 | 14篇 |
力学 | 426篇 |
综合类 | 267篇 |
数学 | 478篇 |
物理学 | 4518篇 |
出版年
2024年 | 112篇 |
2023年 | 353篇 |
2022年 | 479篇 |
2021年 | 514篇 |
2020年 | 306篇 |
2019年 | 405篇 |
2018年 | 174篇 |
2017年 | 374篇 |
2016年 | 352篇 |
2015年 | 386篇 |
2014年 | 668篇 |
2013年 | 422篇 |
2012年 | 489篇 |
2011年 | 432篇 |
2010年 | 435篇 |
2009年 | 442篇 |
2008年 | 525篇 |
2007年 | 377篇 |
2006年 | 363篇 |
2005年 | 302篇 |
2004年 | 321篇 |
2003年 | 299篇 |
2002年 | 235篇 |
2001年 | 192篇 |
2000年 | 154篇 |
1999年 | 124篇 |
1998年 | 100篇 |
1997年 | 97篇 |
1996年 | 104篇 |
1995年 | 96篇 |
1994年 | 60篇 |
1993年 | 56篇 |
1992年 | 55篇 |
1991年 | 33篇 |
1990年 | 46篇 |
1989年 | 33篇 |
1988年 | 20篇 |
1987年 | 9篇 |
1986年 | 9篇 |
1985年 | 7篇 |
1984年 | 7篇 |
1983年 | 7篇 |
1982年 | 6篇 |
1959年 | 1篇 |
排序方式: 共有9981条查询结果,搜索用时 15 毫秒
131.
132.
High-sensitivity long-period fiber grating sensor with SAN/cryptophane A for coal mine gas detection
A high-sensitivity long-period fiber grating (LPFG) methane sensor that contains a compact and uniform styrene-acrylonitrile (SAN)/cryptophane A nanofilm is presented. The sensor is prepared by using an automatic dip-coater in a solution of cryptophane A, SAN resin dissolved in ortho-dichlorobenzene, a low- volatile solvent. The effect of film thickness on the LPFG's resonant wavelength is thoroughly investigated. The optimum sensor among the three LPFGs with different film thicknesses is directly used to detect the methane concentration in a coal mine gas sample. The results indicate that the sensors with film thicknesses of 484 to 564 nm exhibit a redshifted resonant wavelength when the methane concentration is increased from 0% to 3.5% (vol). The data demonstrates that the sensor with a film thickness of 484 nm has remarkable sensitivity (~0.633 nm%-X), and its detection limit can reach 0.2%. The methane concentrations determined by our sensor are consistent with those obtained by gas chromatography. 相似文献
133.
基于稀疏表示的可见光遥感图像飞机检测算法 总被引:1,自引:0,他引:1
为解决当前遥感图像飞机检测方法在复杂背景下准确率低,实现旋转不变困难的问题,结合图像稀疏表示原理,提出一种基于稀疏表示的飞机检测算法.该算法首先利用飞机是刚性目标且具有明显几何外观的特点,构建飞机几何原子库;然后建立飞机轮廓几何逼近的最优化方程,在稀疏表示原理框架下,得到飞机轮廓最优的几何部件组合;最后,以星型结构的部件模型为框架,生成待检测图像的目标显著图并根据显著图定位出飞机.实验结果表明,稀疏表示方法能自适应选取飞机部件,部件数目较少且不易受光照、颜色和复杂背景的影响.与现有算法相比,本文算法准确率达90%以上,检测速度有较大的提高. 相似文献
134.
135.
基于高光谱技术的土壤水分无损检测 总被引:2,自引:0,他引:2
利用高光谱成像仪(光谱范围400~1 000 nm)对土壤含水率进行了无损检测。比较了208个土样不同天数下土壤含水率与光谱变化、不同质量含水量光谱的差异;对比分析了不同光谱预处理方法、不同方法提取特征波长、采用多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)与偏最小二乘回归(partial least squares regression,PLSR)建模,优选出最佳模型。结果表明:光谱曲线的反射率随着土壤含水率的增加而减小。当超过田间持水率时,光谱曲线的反射率会随着土壤含水率的增加而增大。对比分析了不同预处理方法,近红外波段优选出单位向量归一化预处理方法。采用无信息变量消除法(UVE)、竞争自适应加权采样(CARS)、β系数法、连续投影算法(SPA)方法提取特征波长为49,30,5和7。为了减少数据冗余,对UVE与CARS提取的特征波长进一步采用SPA方法进行特征提取,UVE+SPA,CARS+SPA提取特征波长数分别为5和8个。在此基础上,利用MLR,PCR和PLSR方法对400~1 000 nm范围的特征波长建立模型,对比分析不同建模效果,优选出β系数提取的特征波长的MLR模型。最优的特征波长为411,440,622,713和790 nm,最优模型的预测相关系数Rp=0.979,预测均方根误差RMSEP为0.763。因此,今后可采用不同波段对土壤含水率进行定量分析。 相似文献
136.
光谱质量、样本个体差异、检测系统和建模算法等多种因素共同决定水果糖度检测模型的预测精度和稳定性。采用自主研发的短积分全透射近红外在线检测系统以5 ms积分时间和0.5 m·s-1运行速度在线获取了“富士”苹果全透射光谱信号。不同姿态获取的透射光谱强度差异明显,但曲线走势相近,均在920 nm波段具有最大的光谱强度,在850 nm波段存在波谷。采用移动平均平滑、标准正态变量变换和多元散射校正等预处理方法有效去除原始光谱的随机噪声和基线偏差,减小了样本检测姿态引起的光谱差异。为分析不同检测姿态对苹果整果糖度预测模型的影响,构建了单一姿态局限模型和多姿态通用模型,结果表明基于全位点平均透射光谱构建的单一姿态局限模型对检测姿态具有很大的局限性,而多姿态通用模型预测能力较单一检测姿态相当,但却对不同的检测姿态具有更强的适用能力。为进一步提高光谱信号质量,优化模型预测能力,采用信号强度阈值优选方法实现了苹果整果糖度预测模型优化,发现移除中央位点获取的透射光谱信号,有利于提高苹果整果糖度预测模型精度。多姿态通用信号强度优化模型综合考虑不同姿态获取的光谱信息有效性,有效提升了通用信号强度优化模型的预测能力和稳定性,当多姿态通用模型中信号强度阈值为5 000时,模型预测性能最佳,其预测参数Rp,RMSEP和RPD分别为0.79,0.84%和1.58。表明短积分全透射近红外在线检测系统用于不同姿态苹果糖度预测是可行的,多姿态通用模型的建立,扩大了模型在不同姿态的预测稳健性,短积分光谱采集方式结合信号强度阈值优选方法提升了光谱信号的质量和模型的预测能力。 相似文献
137.
本文采用经典柠檬酸钠还原法制备金纳米粒子(AuNPs)溶胶作为SERS基底,使用4-巯基苯硼酸(4-MPBA)作为拉曼报告分子以及细菌识别元件来功能化AuNPs。基于细菌抑制盐诱导聚集的检测机制,构建了一种广谱细菌的标记SERS检测方法。在优化实验条件下,细菌在10 CFU/mL~105 CFU/mL浓度范围内与4-MPBA@AuNPs的拉曼信号强度有良好的线性关系,定量检测限为10 CFU/mL,加标回收率为89.2%~103.8%,相对标准偏差小于4.7%。本方法灵敏、快速、低成本、操作简单,在实际样品的现场快速检测中具有潜在应用价值。 相似文献
138.
139.
140.
趋势分析和变化点检测是时间序列分析中常用的工具. 变化点检测是识别过程行为的自然或人为的突然的变化,而趋势可以定义为对逐渐偏离过去的规范的估计. 本文使用了Cox-Stuart方法和变化点算法分析时间序列数据趋势的存在,并以澳大利亚的近地表风速时间序列为例. 澳大利亚的近地表风速趋势是根据研究出的新开发的风速数据集,通过使用局部表面粗糙度信息,以及不同高度收集的混合观测数据构建. 10 m处的风的速度趋势通常会增加,而2 m处则趋于减小. 假设检验测试,变化点分析和人工检查记录表明有几个因素可能是导致差异的原因,例如伴随仪器变化的系统性偏差,随机数据错误(例如累积日错误)和数据采样问题. 均质化以及基于变化点检测的技术和多期趋势分析阐明了风速趋势不一致的根源. 相似文献