全文获取类型
收费全文 | 55篇 |
免费 | 22篇 |
国内免费 | 10篇 |
专业分类
化学 | 28篇 |
晶体学 | 3篇 |
力学 | 5篇 |
数学 | 5篇 |
物理学 | 46篇 |
出版年
2024年 | 1篇 |
2023年 | 5篇 |
2022年 | 3篇 |
2021年 | 7篇 |
2020年 | 2篇 |
2019年 | 4篇 |
2018年 | 3篇 |
2016年 | 3篇 |
2015年 | 1篇 |
2014年 | 1篇 |
2013年 | 2篇 |
2012年 | 4篇 |
2011年 | 1篇 |
2010年 | 3篇 |
2009年 | 2篇 |
2008年 | 5篇 |
2007年 | 7篇 |
2006年 | 3篇 |
2005年 | 1篇 |
2004年 | 5篇 |
2003年 | 3篇 |
2002年 | 10篇 |
2001年 | 1篇 |
2000年 | 2篇 |
1999年 | 1篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1994年 | 1篇 |
排序方式: 共有87条查询结果,搜索用时 15 毫秒
1.
2.
3.
微流控芯片毛细管电泳激光诱导荧光检测法测定片剂中盐酸美西律的含量 总被引:1,自引:0,他引:1
建立了微流控芯片毛细管电泳激光诱导荧光检测法测定片剂中盐酸美西律含量的方法,对衍生条件和电泳条件进行了系统的考察。盐酸美西律经异硫氰酸荧光素(FITC)40℃衍生6h,以20 mmol/L硼砂为电泳缓冲溶液,进样30s后,分离电压2000V,可在1 min内完成一次检测。方法的检出限为0.022 mg/L、线性范围0.108~1.079 mg/L、相关系数0.994,加标回收率为99.7%~102.3%,方法适用于盐酸美西律的检测和质量控制。 相似文献
4.
5.
6.
对重氢原子进入钯或钛晶体中可能引起常温核聚变的机理探讨与实验研究结果,已在文献[1]中作了报导。后来又对钛阴极材料,在使用前后进行了X射线结构分析。发现在电解过程中发生过“过热”现象的钛阴极材料的晶体结构由原来的密排六方结构转变为立方结构,而没有发生“过热”现象的钛阴极材料的晶体仍然保持电解前的密排六方结构 相似文献
7.
二阶导数荧光分光光度法同时测定色氨酸和酪氨酸 总被引:1,自引:0,他引:1
本文描述了用二阶导数荧光光度法同时测定色氨酸和酪氨酸.在pH 7.4的条件下,用221 nm作为激发波长,记录色氨酸和酪氨酸的发射光谱,并进行二阶导数处理.色氨酸在318 nm处,酪氨酸在283 nm处,二阶导数峰高与浓度成线性关系.色氨酸工作曲线的线性回归方程为c=0.000 7H-0.004,r=0.996 4,线性范围为0.004到0.200 μg.mL-1.酪氨酸工作曲线的线性回归方程为c=0.001 2H-0.004 0,r=0.997 1.线性范围为0.002到0.250 μg.mL-1.实验了pH、温度和干扰离子对测定的影响,测定了苹果中的色氨酸和酪氨酸的含量,回收率分别为(92.0~104.0)%和(98.70~102.0)%,相对标准偏差分别为3.5%和2.8%. 相似文献
8.
9.
光子晶体微腔和量子点的集成是实现量子信息处理非常具有潜力的平台之一,利用微腔和量子点的耦合可以制备纠缠光子对,实现对量子态的操控.因为光子晶体微腔具有品质因子高、模场体积小等优点,可以极大地增强光与物质之间的相互作用,从而易于实现量子态在不同物理体系之间的转换.通过单量子点和光子晶体H1微腔的耦合可以产生纠缠光子对,因为H1微腔具有简并的、模式偏振正交的基态模式.通常微腔模式的激发随着量子点在微腔中的位置变化而改变,本文用时域有限差分方法研究了偶极子光源的位置及偏振对激发光子晶体H1微腔模式的影响.结果表明:通过改变偶极子光源位置可以选择性地激发H1微腔简并模式中的一个;具有某一偏振的偶极子光源只能激发相应偏振的微腔模式;模式激发强度的大小也是由偶极子光源在微腔中的位置决定的.鉴于目前量子点在微腔中的位置尚不能精确控制,所以微腔模式受激发光源位置的影响的研究具有重要意义. 相似文献
10.
利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别 总被引:1,自引:0,他引:1
小麦是制作馒头的主要原料之一,小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同,进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法,对比感官评定,光谱分析可以识别样品中的分子结构等信息。基于此,尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦,再利用微波干燥法对两个不同产地的小麦做烘干预处理,使烘干的小麦水含量为12%±0.5%,原麦水含量为18%±0.5%。分别标记为原麦A,烘干A,原麦B,烘干B,再将小麦研磨成粉末,过100目筛网筛选后,置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息,在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理,利用主成分分析对预处理后的数据进行降维处理,再结合线性判别分析(linear discriminant analysis,LDA)和支持向量机(support vector machine, SVM)分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法(synergy interval partial least square, SiPLS)筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间,将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析(LDA)和支持向量机(SVM)建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析(LDA)和支持向量机(SVM)建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明,同种光谱分析方法,利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法,近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下,利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高,光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%,预测集识别率为97.50%;而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率,光谱数据融合之后建立的小麦识别模型识别率得到显著提高,该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率,结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。 相似文献