全文获取类型
收费全文 | 37282篇 |
免费 | 4820篇 |
国内免费 | 3385篇 |
专业分类
电工技术 | 3627篇 |
技术理论 | 1篇 |
综合类 | 4358篇 |
化学工业 | 560篇 |
金属工艺 | 463篇 |
机械仪表 | 2316篇 |
建筑科学 | 7517篇 |
矿业工程 | 747篇 |
能源动力 | 552篇 |
轻工业 | 565篇 |
水利工程 | 726篇 |
石油天然气 | 657篇 |
武器工业 | 297篇 |
无线电 | 5537篇 |
一般工业技术 | 1658篇 |
冶金工业 | 314篇 |
原子能技术 | 64篇 |
自动化技术 | 15528篇 |
出版年
2024年 | 293篇 |
2023年 | 1075篇 |
2022年 | 1279篇 |
2021年 | 1607篇 |
2020年 | 1601篇 |
2019年 | 2035篇 |
2018年 | 1124篇 |
2017年 | 1473篇 |
2016年 | 1604篇 |
2015年 | 1964篇 |
2014年 | 2916篇 |
2013年 | 2510篇 |
2012年 | 3174篇 |
2011年 | 3054篇 |
2010年 | 2840篇 |
2009年 | 2916篇 |
2008年 | 2949篇 |
2007年 | 2727篇 |
2006年 | 1903篇 |
2005年 | 1548篇 |
2004年 | 1148篇 |
2003年 | 813篇 |
2002年 | 591篇 |
2001年 | 425篇 |
2000年 | 332篇 |
1999年 | 240篇 |
1998年 | 233篇 |
1997年 | 183篇 |
1996年 | 173篇 |
1995年 | 123篇 |
1994年 | 133篇 |
1993年 | 92篇 |
1992年 | 109篇 |
1991年 | 84篇 |
1990年 | 74篇 |
1989年 | 94篇 |
1988年 | 10篇 |
1987年 | 13篇 |
1986年 | 13篇 |
1985年 | 3篇 |
1983年 | 2篇 |
1982年 | 2篇 |
1981年 | 1篇 |
1980年 | 2篇 |
1979年 | 1篇 |
1965年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
21.
建立一维混合紫外-可见光谱快速同时测定市售肉类熟食中苯甲酸钠和山梨酸钾含量的方法。首先进行分析模型数据库建立,包括苯甲酸钠和山梨酸钾的标准紫外-可见光谱数据库和样品本底数据库的建立。采集肉类熟食品样品提取液的紫外-可见光谱,调用分析模型数据库,基于向量-子空间夹角判据可同时计算肉类熟食品中苯甲酸钠和山梨酸钾的含量。实验结果表明,快速测定方法与高效液相色谱对比,相对误差小于12%,方法回收率在97.20%~107.60%,相对标准偏差小于3%,定量检测中效果良好,可应用于其他多组分复杂体系的快速检测分析。 相似文献
22.
23.
24.
《现代电子技术》2019,(16):30-35
热脱扣时间是低压断路器的关键指标,利用断路器生产过程中可检测数据可以实现热脱扣时间的预测。针对支持向量回归(SVR)进行热脱扣时间预测,参数的选择对预测的精度和泛化性能影响较大问题,提出一种基于隔离小生境教学算法(Isolated Niche Teaching-Learning-Based Optimization Algorithm,INTLBO)优化支持向量回归的热脱扣时间预测方法。该方法针对教学算法易陷入局部最优的缺点,采用隔离机制的小生境技术对其进行改进,然后利用INTLBO寻优找到最优的SVR参数。根据低压断路器生产历史数据,建立基于INTLBO-SVR的热脱扣时间预测模型。仿真结果表明,与TLBOSVR和常规SVR等方法相比,INTLBO-SVR模型具有较好的预测性能。 相似文献
26.
为了提高花粉浓度预报的准确率,解决现有花粉浓度预报准确率不高的问题,提出了一种基于粒子群优化(PSO)算法和支持向量机(SVM)的花粉浓度预报模型。首先,综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素,选择与花粉浓度相关性较强的气象要素构成特征向量;其次,利用特征向量与花粉浓度数据建立SVM预测模型,并使用PSO算法找出最优参数;然后利用最优参数优化花粉浓度预测模型;最后,使用优化后的模型对花粉未来24 h浓度进行预测,并与未优化的SVM、多元线性回归法(MLR)、反向神经网络(BPNN)作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明,相比其他预报方法,所提方法能有效提高花粉浓度未来24 h预测精度,并具有较高的泛化能力。 相似文献
27.
28.
30.