全文获取类型
收费全文 | 28331篇 |
免费 | 4133篇 |
国内免费 | 2975篇 |
专业分类
电工技术 | 1982篇 |
综合类 | 3797篇 |
化学工业 | 2063篇 |
金属工艺 | 950篇 |
机械仪表 | 2298篇 |
建筑科学 | 2992篇 |
矿业工程 | 631篇 |
能源动力 | 666篇 |
轻工业 | 2123篇 |
水利工程 | 1466篇 |
石油天然气 | 1149篇 |
武器工业 | 372篇 |
无线电 | 4369篇 |
一般工业技术 | 2657篇 |
冶金工业 | 431篇 |
原子能技术 | 675篇 |
自动化技术 | 6818篇 |
出版年
2024年 | 549篇 |
2023年 | 1658篇 |
2022年 | 1997篇 |
2021年 | 1811篇 |
2020年 | 1540篇 |
2019年 | 1503篇 |
2018年 | 850篇 |
2017年 | 1104篇 |
2016年 | 1191篇 |
2015年 | 1424篇 |
2014年 | 2053篇 |
2013年 | 1601篇 |
2012年 | 1810篇 |
2011年 | 1878篇 |
2010年 | 1654篇 |
2009年 | 1669篇 |
2008年 | 1795篇 |
2007年 | 1445篇 |
2006年 | 1206篇 |
2005年 | 1124篇 |
2004年 | 934篇 |
2003年 | 706篇 |
2002年 | 604篇 |
2001年 | 503篇 |
2000年 | 425篇 |
1999年 | 374篇 |
1998年 | 320篇 |
1997年 | 292篇 |
1996年 | 262篇 |
1995年 | 213篇 |
1994年 | 180篇 |
1993年 | 116篇 |
1992年 | 123篇 |
1991年 | 134篇 |
1990年 | 111篇 |
1989年 | 113篇 |
1988年 | 59篇 |
1987年 | 29篇 |
1986年 | 16篇 |
1985年 | 16篇 |
1984年 | 20篇 |
1983年 | 14篇 |
1982年 | 5篇 |
1981年 | 1篇 |
1980年 | 2篇 |
1979年 | 1篇 |
1951年 | 4篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
2.
将强跟踪思想引入容积卡尔曼滤波(cubature Kalman filter,CKF),建立强跟踪CKF能有效克服CKF在模型不确定、状态突变等情况下,滤波性能下降的问题。通过分析现有多渐消因子计算方法,发现它们均只利用了协方差矩阵的对角线元素,并没有考虑各个状态之间的相关性,不能充分发挥多渐消因子的优势。为此,本文提出渐消因子矩阵,基于正交原理推导渐消因子矩阵的求解方法,提出多渐消因子强跟踪CKF算法。多渐消因子强跟踪CKF算法突破了传统多渐消因子为向量的限制,也不再要求渐消因子取值要大于1。仿真验证了算法具有更好的滤波精度何鲁棒性,能更好的满足工程应用的要求。 相似文献
4.
《中国生物制品学杂志》2015,(10)
目的表达纯化可溶性肿瘤坏死因子(tumor necrosis factor,TNF)相关凋亡诱导配体(TNF-related apoptosisinducing ligand,TRAIL)蛋白,并测定其生物学活性。方法利用E.coli中表达C-端带有6×His标签的可溶性TRAIL蛋白,并优化诱导时间(4、6和8 h)和诱导剂IPTG的浓度(0.06、0.125、0.25、0.5、1 mmol/L)。表达产物经Ni亲和层析和离子交换层析纯化后,采用MTT法测定不同浓度TRAIL(终浓度分别为100、200、400 ng/ml)的活性,并检测亲和层析过程中两种洗脱方式(洗脱液4℃留柱过夜后进行洗脱和洗脱液进柱后直接收集流出液)及纯化过程中两次透析的时间(均为24和48 h)对TRAIL活性的影响。结果最佳诱导时间为6 h,最佳IPTG诱导浓度为0.5 mmol/L。表达产物的表达量占菌体总蛋白的20%,相对分子质量为20 000,可与兔抗人TRAIL单克隆抗体发生特异性结合。TRAIL终浓度为100、200和400 ng/ml的实验组的抑制率分别约为36%、53%和73%。亲和层析的两种洗脱方式的TRAIL活性差异无统计学意义(P0.05),透析48 h比透析24 h获得的TRAIL活性显著降低(P0.05)。结论 TRAIL蛋白成功在E.coli中表达,具有抑制肿瘤细胞生长的作用,优化后的TRAIL诱导条件和纯化方法可进一步大量生产高TRAIL蛋白的活性,满足了TRAIL的基础及临床相关研究的要求。 相似文献
5.
7.
8.
9.
10.
实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20%,误检率降低了3%. 相似文献