全文获取类型
收费全文 | 8516篇 |
免费 | 1232篇 |
国内免费 | 1498篇 |
专业分类
化学 | 2227篇 |
晶体学 | 40篇 |
力学 | 181篇 |
综合类 | 232篇 |
数学 | 1620篇 |
物理学 | 1570篇 |
无线电 | 5376篇 |
出版年
2024年 | 121篇 |
2023年 | 350篇 |
2022年 | 407篇 |
2021年 | 424篇 |
2020年 | 314篇 |
2019年 | 402篇 |
2018年 | 233篇 |
2017年 | 321篇 |
2016年 | 403篇 |
2015年 | 386篇 |
2014年 | 637篇 |
2013年 | 498篇 |
2012年 | 515篇 |
2011年 | 477篇 |
2010年 | 516篇 |
2009年 | 590篇 |
2008年 | 528篇 |
2007年 | 449篇 |
2006年 | 405篇 |
2005年 | 381篇 |
2004年 | 435篇 |
2003年 | 362篇 |
2002年 | 289篇 |
2001年 | 225篇 |
2000年 | 205篇 |
1999年 | 193篇 |
1998年 | 148篇 |
1997年 | 147篇 |
1996年 | 137篇 |
1995年 | 109篇 |
1994年 | 119篇 |
1993年 | 73篇 |
1992年 | 108篇 |
1991年 | 98篇 |
1990年 | 71篇 |
1989年 | 81篇 |
1988年 | 20篇 |
1987年 | 25篇 |
1986年 | 14篇 |
1985年 | 14篇 |
1984年 | 6篇 |
1983年 | 6篇 |
1982年 | 2篇 |
1981年 | 1篇 |
1959年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 10 毫秒
161.
162.
红外、近红外光谱-簇类的独立软模式方法识别植物调和油脂 总被引:3,自引:0,他引:3
用IR,NIR光谱法结合簇类的独立软模式(SIMCA)识别方法对植物油脂进行分类识别,建立了识别二元、三元植物调和油脂的测定方法。应用NIRCal5.2软件的SIMCA技术,分别为所制备的植物调和油脂建立了IR和NIR识别模型,并讨论了光谱处理和数据处理方法来提高模型的分类识别效果。分别以各种植物调和油脂的IR和NIR光谱为变量,随机抽取2/3的样本作训练集,建立了各个调和油的主成分分析(Princi-pal component analysis,PCA)模型;1/3作验证集,对所建模型进行验证识别。用聚类分析-主成分分析(CLU-PCA)方法考察调和油的IR,NIR光谱信息与其纯油的主成分分布。结果显示,在4000~10000cm-1光谱范围内,SIMCA可以对15种二元调和油和2种三元调和油的NIR光谱分别聚类并识别;并对10种二元调和油和2种三元调和油的IR光谱分别聚类并识别。IR以4个波数1099,1119,1746与2855cm-1的吸收值作为分析基础,选择不同的主成分数及数据预处理方法。各种油脂的SIMCA分析的分类精度均为100%,调和油的验证识别准确率100%,最低识别比例为1%,且IR识别灵敏度高于NIR。 相似文献
163.
研究了朱砂对大鼠脑组织中氨基酸类神经递质含量的影响.将32只Wistar大鼠随机分为低、中、高剂量组和对照组,朱砂灌胃给药14天后,采用高效液相色谱法测定大鼠脑组织中谷氨酸(Glu)、天门冬氨酸(Asp)、甘氨酸(Gly)、γ-氨基丁酸(GABA)和牛磺酸(Tau)的含量,并计算兴奋毒性指数(EI)的变化.与对照组相比较,脑组织中氨基酸类神经递质含量均呈下降趋势,其中Asp和Gly的中、高剂量组差异有统计学意义(P0.05),Tau和GABA的高剂量组有统计学差异(P0.05),Glu和EI所有剂量组均有统计学差异(P0.05).朱砂对氨基酸类神经递质具有一定的抑制作用. 相似文献
164.
165.
166.
167.
采用循环伏安法在普鲁士蓝膜中掺杂Cu2+,制得掺Cu(Ⅱ)类普鲁士蓝膜(Cu-PB膜)。利用循环伏安法、库仑分析法和电化学阻抗法对Cu-PB膜进行电化学表征,结果显示Cu2+进入普鲁士蓝的内部结构,取代了其中的高自旋铁。该Cu(Ⅱ)类普鲁士蓝膜对对苯二酚具有明显的电催化作用,电极反应过程是扩散控制的准可逆过程,在5.0×10-5~1.0×10-3mol.L-1范围内,还原峰电流与对苯二酚浓度呈良好的线性关系,检出限为1.0×10-6mol.L-1。计算了对苯二酚在Cu-PB膜修饰电极上电极过程的动力学参数。 相似文献
168.
169.
基于氨基酸模糊聚类分析的跨膜区域预测 总被引:2,自引:0,他引:2
跨膜蛋白在进化过程中,序列保守性较差,即使是同源蛋白序列的一致性程度也较低,因而在跨膜区预测算法中,通过序列的一致性程度来选取训练集并不能有效地消除预测结果对训练集的过度适应性.本文提出了一种基于氨基酸模糊聚类分析的预测算法,通过氨基酸在各个区域分布的相似性程度进行模糊聚类,从而根据一类氨基酸的分布特性而不是各个氨基酸的分布特性进行跨膜区预测.结果表明,该方法能在一定程度上消除训练集的选取对测试结果的影响,提高跨膜蛋白拓扑结构预测的准确度,特别是提高对目前知之甚少的跨膜蛋白的预测准确度. 相似文献
170.