全文获取类型
收费全文 | 1065篇 |
免费 | 251篇 |
国内免费 | 316篇 |
学科分类
数理化 | 1632篇 |
出版年
2024年 | 10篇 |
2023年 | 48篇 |
2022年 | 35篇 |
2021年 | 24篇 |
2020年 | 14篇 |
2019年 | 31篇 |
2018年 | 41篇 |
2017年 | 33篇 |
2016年 | 44篇 |
2015年 | 33篇 |
2014年 | 87篇 |
2013年 | 80篇 |
2012年 | 52篇 |
2011年 | 66篇 |
2010年 | 57篇 |
2009年 | 65篇 |
2008年 | 69篇 |
2007年 | 54篇 |
2006年 | 62篇 |
2005年 | 52篇 |
2004年 | 73篇 |
2003年 | 61篇 |
2002年 | 49篇 |
2001年 | 23篇 |
2000年 | 31篇 |
1999年 | 31篇 |
1998年 | 34篇 |
1997年 | 45篇 |
1996年 | 44篇 |
1995年 | 28篇 |
1994年 | 32篇 |
1993年 | 34篇 |
1992年 | 51篇 |
1991年 | 34篇 |
1990年 | 16篇 |
1989年 | 20篇 |
1988年 | 7篇 |
1987年 | 8篇 |
1986年 | 10篇 |
1985年 | 11篇 |
1984年 | 5篇 |
1983年 | 4篇 |
1982年 | 3篇 |
1981年 | 3篇 |
1964年 | 2篇 |
1963年 | 6篇 |
1962年 | 1篇 |
1961年 | 1篇 |
1960年 | 1篇 |
1957年 | 1篇 |
排序方式: 共有1632条查询结果,搜索用时 212 毫秒
1.
2.
激光诱导间质肿瘤热疗的数值模拟和实验研究 总被引:1,自引:0,他引:1
本文在考虑生物组织物性动态变化的情况下建立了激光诱导间质肿瘤热疗(LITT)的物理数学模型,采用MonteCarlo方法数值模拟了LITT中激光能量在生物组织内的传输过程,基于Pennes生物传热方程和Arrhenius方程数值求解了组织内的温度分布和热损伤体积的变化,分析了热物性及血液灌注率的动态变化对LITT过程的影响,并与相应的离体实验结果进行了对比。数值模拟结果表明,组织的热物性及血液灌注率的动态变化对于热损伤体积的变化具有重要的影响。因此在激光诱导间质肿瘤热疗的数值模拟中应该考虑热物性及血液灌注率的动态变化以期为临床治疗方案的制定提供更为准确的依据。 相似文献
3.
4.
选用新方法合成了2-碘—N-甲基苯磺酰胺,通过^1H NMR,^13C NMR,^13C DEPT NMR(Distortionless Enhancement by Polarization Transfer NMR)和MS确证的其结构。 相似文献
5.
取样平均法提高CCD多道探讨器信噪比 总被引:4,自引:2,他引:2
应用取样平均法有效地提高了CCD光学多道探测器信噪比,当采样次数为m时,信噪比提高√m倍,应用于实验得到了高信噪比的各种光谱谱图。 相似文献
6.
7.
一、前言氢键是一种由氢原子参加成键的特殊类型的化学键,它可用简单的化学式 X—H…Y 表示。在氢键的研究中,一个重要的问题是关于氢键本质的问题。一般认为氢键主要是静电相互作用,即在 X—H…Y 中,X—H 基本上是共 相似文献
8.
本文用石蜡模拟油垢,用^60Co放射源的1.25MeV平均能量的γ射线垂直入射,以一定的散射角和不同的探测立体角接收散射γ光子敫.发现散射γ计数与被测石蜡厚度之间存在不同的线性关系.结果发现,放射源与探测器之间屏蔽的好坏和合理的探测距离对提高线性度有很大关系.本实验测得最佳线性相关系数平方值为0.9981,平均测量精度为1.26mm.这对研究散射法检测油垢厚度和选择合适的探测距离提供了实验基础. 相似文献
9.
光源形状对干涉场衬比度的影响 总被引:1,自引:0,他引:1
推导出面光源照明时杨氏干涉实验干涉场的光强分布公式,分别讨论了矩孔、圆环、圆盘光源照明时杨氏干涉实验干涉场的衬比度及光源的极限宽度。结果表明这些光源照明时干涉场的衬比度各不相同,它们的极限宽度可用同一公式表示。 相似文献
10.
为了探测图像中的肤色像素,提出了一种新的方法-支持向量机(SVM:Support Vector Machine)方法.它是一种基于肤色的非特定人的面部定位方法,是非接触人机交互技术和机器视觉中的一个重要内容.实验结果表明,采用支持向量机方法较传统人工神经网络方法不仅有更高的探测准确性,而且具有更好的推广性能.由于SVM采用结构风险最小化(SRM:Structural Risk Minimization)准则,在最小化训练误差(经验风险)的同时,尽量缩小模型预测误差的上界,从而使模型有更好的泛化能力. 相似文献