全文获取类型
收费全文 | 60篇 |
免费 | 4篇 |
国内免费 | 35篇 |
专业分类
农学 | 3篇 |
基础科学 | 51篇 |
39篇 | |
综合类 | 6篇 |
出版年
2017年 | 4篇 |
2016年 | 2篇 |
2015年 | 3篇 |
2014年 | 4篇 |
2013年 | 2篇 |
2012年 | 3篇 |
2011年 | 6篇 |
2010年 | 9篇 |
2009年 | 6篇 |
2008年 | 6篇 |
2007年 | 3篇 |
2006年 | 6篇 |
2005年 | 7篇 |
2004年 | 6篇 |
2003年 | 1篇 |
2002年 | 3篇 |
2001年 | 3篇 |
2000年 | 4篇 |
1999年 | 3篇 |
1997年 | 1篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 3篇 |
1992年 | 1篇 |
1991年 | 3篇 |
1989年 | 3篇 |
1987年 | 1篇 |
1985年 | 2篇 |
1983年 | 1篇 |
排序方式: 共有99条查询结果,搜索用时 15 毫秒
21.
通过分析56个不同发酵池种子醋醅乙醇脱氢酶(ADH)的活性与56个对应接种池的不挥发酸和总酸的关系,得出将种子ADH活性控制在600~700 U/m L时,被接种池的醋醅品质较高。利用嗅觉可视化技术结合误差反向传播人工神经网络(BP-ANN)模型,快速检测种子ADH活性和预测被接种池不挥发酸及总酸质量分数。结果表明,BP-ANN模型预测ADH、不挥发酸、总酸的相关系数分别为0.781 6、0.844 7和0.946 3。因此,嗅觉可视化技术结合BP-ANN可有效预测醋酸发酵过程中的理化指标。 相似文献
22.
谷物脉动流化分选装置的研制 总被引:1,自引:0,他引:1
本文介绍了一种新颖的脉动流化分选装置的工作原理及主要特点,对影响性能指标的参数进行了分析,通过试验及统计验证建立了有关指标的数学模型,并用最优化方法计算了最佳的参数组合,为进一步研究及改进打下了初步的基础。 相似文献
23.
支持向量机在苹果分类的近红外光谱模型中的应用 总被引:5,自引:2,他引:5
建立了一套苹果近红外光谱采集装置来减少因苹果的部位差异性而造成的试验误差。采用一种新的机器学习算法——支持向量机(SVM)建立不同产地、不同品种苹果的近红外光谱分类模型。通过选定RBF函数作为核函数,并确定合适的光谱预处理方法和核函数中惩罚系数C、正则化系数γ,使得所建立的不同品种苹果分类模型的回判识别率和预测识别率均达到100%,不同产地苹果分类模型的回判识别率为87%,预测识别率为100%,与传统的判别分析法相比其预测识别精度提高5%左右。结果表明,支持向量机可以建立高精度的苹果近红外光谱分类模型。 相似文献
24.
25.
基于电子舌技术的绿茶滋味品质评价 总被引:7,自引:2,他引:5
该文研究利用电子舌技术快速评价绿茶的滋味品质。试验以“碧螺春”绿茶为研究对象,以绿茶滋味化学鉴定法作为绿茶滋味品质的评价方法,获得的滋味总得分值作为电子舌评价模型的参考测量值。在数据分析过程中,首先对不同生产日期的碧螺春茶汤滋味总得分值和各传感器响应值进行单因素方差分析;然后对比采用偏最小二乘法和最小二乘支持向量机建立电子舌传感器响应值与滋味总得分值之间的相关模型。结果显示不同生产日期对绿茶滋味品质及各传感器响应信号都具有极显著影响;当采用4个主成分时,建立的最小二乘支持向量机模型最优。用独立样本检验模型精度,模型预测值与参考值的相关系数为0.906,预测集均方根误差为4.077。研究结果可为茶叶品质智能化评价提供参考。 相似文献
26.
基于RSM和BP—AdaBoost—GA的红茶发酵性能参数优化 总被引:1,自引:0,他引:1
为明确自行设计的滚筒式红茶发酵机性能参数,以无量纲化的综合评分为发酵品质评价指标,采用响应面法和基于改进型神经网络的遗传算法(BP-AdaBoost-GA)对影响发酵品质的3个因素(发酵温度、发酵时间、翻拌间隔)进行优化,并对2种方法的优化效果进行比较。结果表明,各因素对发酵品质的影响重要性顺序为:发酵温度、翻拌间隔、发酵时间;采用响应面法优化,当发酵温度、发酵时间、翻拌间隔分别为25℃、150 min、20 min时,综合评分预测值和实际值分别为0.863和0.856,相对误差为0.8%;而采用BP-AdaBoost-GA优化,当发酵温度、发酵时间、翻拌间隔分别为27℃、170 min、25 min时,预测值和实际值分别为0.871和0.868,相对误差为0.3%;BPAdaBoost预测模型的决定系数和相对分析误差分别为0.994和18.456,高于响应面法的0.988和9.577,且预测均方根误差较低,为0.017。在红茶发酵工艺的参数优化中,采用BP-AdaBoost-GA方法能比响应面法更好地拟合模型,以及在全局变量范围内推导最优发酵条件。 相似文献
27.
基于机器视觉和工艺参数的针芽形绿茶外形品质评价 总被引:6,自引:0,他引:6
外形是针芽形绿茶的关键感官评价指标,通常依据色泽、条形、嫩度和匀整度等表象特征进行人工评审,难以做到精准、客观和量化评价。本文以自动化生产线机制的针芽形绿茶为研究对象,基于茶叶品质、形成工艺和视觉形态等内外因素,构建了外形品质的智能感官评价方法。首先,在线采集在制品的17个机制工艺参数和成品茶的图像,进行图像特征提取,选取9个颜色特征和6个纹理特征。进而,通过与专家感官评分进行关联分析,明确了与感官品质显著相关的特征变量。为获取高效的评价模型,采用偏最小二乘法(PLS)、极限学习机(ELM)和强预测器集成算法(ELM-Ada Boost)3种多元校正方法,分别建立了基于工艺或图像特征的针芽形绿茶外形感官的量化评价模型。建模结果表明,基于图像特征建立的ELM-Ada Boost模型(Rp=0.892,RPD大于2),其预测性能优于其他模型,且具有更小的RMSEP(0.874)、Bias(-0.148)、SEP(0.226)和CV(0.018)值。同时,非线性模型的预测性能均高于PLS线性模型,能更好地表征工艺参数、图像信息与感官评分之间的解析关系,且建模速度更快(0.014~0.281 s)。而Ada Boost法作为一种混合迭代算法,能进一步提升ELM模型的精度和泛化能力。结果表明,基于机器视觉和工艺评价针芽形绿茶外形品质是可行的,为拓展茶叶感官品质评价方法和专家工艺决策支持系统研制,提供理论依据和数据支撑。 相似文献
28.
29.
30.
油炸藕片含油量快速预测及微观结构的三维重建 总被引:1,自引:1,他引:0
以油炸藕片为研究对象,首先利用高光谱图像技术(hyperspectral imaging technology,HSIT)结合联合区间偏最小二乘(synergy interval partial least squares,si PLS)和净分析物法(net analyze signal,NAS)提取油炸藕片的光谱信息,建立快速预测模型,并计算每个像素点的油含量值,将其表面油分布可视化;然后利用激光共聚焦显微镜(confocal laser scanning microscopy,CLSM)观察油在细胞中的分布,并扫描藕片Z轴方向序列图片进行微观结构的三维重建。结果显示,优选4个子区间,依据NAS法挖掘同油相关的NAS信号NAsk,建模后其预测集相关系数和均方根误差分别为0.819和0.682 mg/g,表明HSIT可快速预测油炸藕片含油量并可视化表面油分布。经CLSM扫描并图像三维重建后观察,油主要分布在细胞表面、边缘、细胞间隙以及破碎细胞内,且细胞的形状、大小均发生了很大的变化,可观察其内部油分布。结果表明,该研究可为油分布提供有效手段,并依据微观结构的变化为减少含油量提供科学的理论依据。 相似文献