全文获取类型
收费全文 | 40807篇 |
免费 | 3766篇 |
国内免费 | 1497篇 |
专业分类
电工技术 | 1199篇 |
综合类 | 2649篇 |
化学工业 | 5354篇 |
金属工艺 | 3222篇 |
机械仪表 | 3343篇 |
建筑科学 | 1376篇 |
矿业工程 | 631篇 |
能源动力 | 342篇 |
轻工业 | 13995篇 |
水利工程 | 306篇 |
石油天然气 | 492篇 |
武器工业 | 286篇 |
无线电 | 3432篇 |
一般工业技术 | 2953篇 |
冶金工业 | 1007篇 |
原子能技术 | 179篇 |
自动化技术 | 5304篇 |
出版年
2024年 | 303篇 |
2023年 | 1291篇 |
2022年 | 1467篇 |
2021年 | 1509篇 |
2020年 | 1543篇 |
2019年 | 1785篇 |
2018年 | 964篇 |
2017年 | 1401篇 |
2016年 | 1455篇 |
2015年 | 1740篇 |
2014年 | 2591篇 |
2013年 | 2133篇 |
2012年 | 2690篇 |
2011年 | 2720篇 |
2010年 | 2584篇 |
2009年 | 2354篇 |
2008年 | 3004篇 |
2007年 | 2541篇 |
2006年 | 1906篇 |
2005年 | 1520篇 |
2004年 | 1374篇 |
2003年 | 1220篇 |
2002年 | 933篇 |
2001年 | 762篇 |
2000年 | 630篇 |
1999年 | 549篇 |
1998年 | 451篇 |
1997年 | 340篇 |
1996年 | 334篇 |
1995年 | 357篇 |
1994年 | 332篇 |
1993年 | 296篇 |
1992年 | 260篇 |
1991年 | 248篇 |
1990年 | 235篇 |
1989年 | 160篇 |
1988年 | 17篇 |
1987年 | 17篇 |
1986年 | 13篇 |
1985年 | 5篇 |
1984年 | 11篇 |
1983年 | 9篇 |
1982年 | 3篇 |
1981年 | 3篇 |
1980年 | 5篇 |
1965年 | 1篇 |
1959年 | 1篇 |
1951年 | 3篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
41.
以黄秋葵果荚为原料,采用复合酶法提取可溶性膳食纤维(soluble dietary fiber,SDF),通过单因素实验,探究不同因素对黄秋葵SDF得率的影响。在单因素实验的基础上进行响应面分析,得到复合酶法制备黄秋葵SDF的最优条件;并测定所得黄秋葵SDF的理化特性,并对其进行结构表征。结果表明:在料液比1:24 g/mL、复合酶添加量1.8%、酶解时间54 min、酶解温度62℃的提取条件下,黄秋葵SDF得率达到最大值,为10.94%,与预测值之间的相对误差为1.48%。黄秋葵SDF的持水力、膨胀力和持油力分别为5.61 g/g、3.35 mL/g和4.88 g/g,良好的理化特性使其具有成为通便保健食品原料的潜力。黄秋葵SDF的微观结构显示,经过酶的作用,黄秋葵SDF表面的淀粉类物质被充分除去;黄秋葵SDF的晶体结构符合纤维素I晶型的特征,其红外光谱图线符合膳食纤维类物质的典型特征。 相似文献
42.
针对相邻缺陷全聚焦超声成像混叠问题,结合低阶、宽有效频带自回归谱外推方法,压缩超声波时域脉冲宽度,实现亚波长级全聚焦(Total focusing method,TFM)成像分辨力。建立碳钢试块模型,设置两个中心间距1.8 mm,直径1.3 mm圆孔,选用中心频率2.25 MHz,32阵元相控阵探头采集全矩阵数据。针对全矩阵数据,选择自回归阶数为2,信号频谱最大幅值下降14 dB为有效频带,建立自回归模型并外推有效频带外的高频与低频成分,随后对全矩阵数据进行延迟叠加处理和TFM成像。仿真结果表明,低阶、宽有效频带自回归谱外推处理方法具有较高的鲁棒性和准确性,TFM成像后可有效分离中心间距0.7λ(λ为超声波长)圆孔,保留缺陷横向位置信息的同时,定位误差不超过0.73%。对碳钢试块中相同位置及尺寸的圆孔进行试验验证,定位误差不超过1.06%,有效地提高TFM成像分辨力。 相似文献
44.
45.
46.
48.
目前,基于因素空间理论的背景基提取算法计算过程复杂,初始化必须依赖各因素极值,基点数量提取冗余等原因,未能在应用中取得很好效果。为此,结合内点判别法和知识可继承、可扩展的思想,提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后,利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法,基点分类算法以提取每一类样本的背景基为预测模型,再通过新定义的λ-背景基,优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强,预测能力准确率高,同时严格的模型限定区域又能为识别新类别提供新方法。 相似文献
49.
50.