全文获取类型
收费全文 | 9262篇 |
免费 | 162篇 |
国内免费 | 55篇 |
专业分类
财政金融 | 589篇 |
工业经济 | 529篇 |
计划管理 | 3051篇 |
经济学 | 1303篇 |
综合类 | 686篇 |
运输经济 | 142篇 |
旅游经济 | 12篇 |
贸易经济 | 1969篇 |
农业经济 | 393篇 |
经济概况 | 785篇 |
信息产业经济 | 15篇 |
邮电经济 | 5篇 |
出版年
2024年 | 31篇 |
2023年 | 126篇 |
2022年 | 127篇 |
2021年 | 186篇 |
2020年 | 203篇 |
2019年 | 287篇 |
2018年 | 125篇 |
2017年 | 231篇 |
2016年 | 281篇 |
2015年 | 375篇 |
2014年 | 647篇 |
2013年 | 599篇 |
2012年 | 722篇 |
2011年 | 781篇 |
2010年 | 813篇 |
2009年 | 809篇 |
2008年 | 768篇 |
2007年 | 654篇 |
2006年 | 417篇 |
2005年 | 338篇 |
2004年 | 228篇 |
2003年 | 190篇 |
2002年 | 128篇 |
2001年 | 98篇 |
2000年 | 92篇 |
1999年 | 34篇 |
1998年 | 24篇 |
1997年 | 22篇 |
1996年 | 34篇 |
1995年 | 25篇 |
1994年 | 15篇 |
1993年 | 22篇 |
1992年 | 15篇 |
1991年 | 10篇 |
1990年 | 8篇 |
1989年 | 10篇 |
1988年 | 1篇 |
1987年 | 2篇 |
1900年 | 1篇 |
排序方式: 共有9479条查询结果,搜索用时 46 毫秒
1.
2.
3.
本文采用国泰安数据库对中国企业进行调查,运用fsQCA方法从组态角度,实证了创新因素与创新绩效之间的关系.结果显示:①创新投入与政府补贴要素的组合可以提高企业的创新效果;②在创新投入、政府补贴和低市场竞争的组合下,企业更容易获得高创新绩效;③企业规模较大的企业,在董事长兼任CEO的情况下,更容易取得高创新的成绩. 相似文献
4.
5.
6.
7.
知识互动程度评价对改善高校跨学科创新团队知识互动具有重要意义。在界定高校跨学科创新团队知识互动及知识互动程度内涵的基础上,创新性地从知识互动深度、互动广度、互动时间3个维度建立知识互动程度评价指标体系。进一步地,采用三角模糊权重、熵权和模糊积分相结合的方法,构建知识互动程度评价模型。最后,选取一所高校跨学科创新团队进行实例分析,验证评价模型的可操作性,可为高校跨学科创新团队知识互动程度评价提供一个新视角。 相似文献
8.
9.
基于冠层光谱和BP神经网络的水稻叶片氮素浓度估算模型 总被引:4,自引:0,他引:4
[目的]快速、准确地诊断水稻叶片氮素营养状况,为水稻氮肥精准管理提供依据。[方法]以江西省农科院8种不同施肥处理的晚稻为研究对象,于主要生育期同步测定了水稻冠层光谱反射率及叶片全氮浓度(Leaf Nitrogen Concentration,LNC),系统分析了原始光谱反射率、一阶微分光谱、"三边"参数以及由350~1 350nm两两波段组合的差值(SD (Rλ1,Rλ2))、比值(SR (Rλ1,Rλ2))及归一化(ND(Rλ1,Rλ2))光谱指数与水稻LNC的相关关系,筛选出敏感参数,并以之为自变量构建了水稻LNC的传统预测模型,另外构建不同指标个数的多元线性与BP神经网络模型,并对模型进行验证。[结果](1)水稻LNC与一阶微分光谱在751nm处的相关性最高(r=0. 822);(2)"三边"参数中的红边面积SDr与LNC的相关性较高(r=0. 687);(3) 750nm附近的红边波段与近红外波段差值组合、550nm附近的绿光波段与近红外波段的比值及归一化差值组合与水稻LNC的相关性较高,以SD (R752,R751)、SR (R534,R1 350)和ND (R534,R1 349)表现最好,相关系数分别为0. 827、-0. 790和0. 788;(4)传统回归模型中以SD(R752,R751)构建的一元线性模型最佳(RC2=0. 665、RV2=0. 750、RMSEV=0. 4%、RPD=2. 034);(5)利用5个指标((R'751、SDr、SD (R752,R751)、SR (R534,R1 350)、ND (R534,R1 349))经逐步回归筛选出的2个指标SD ((R752,R751)和SR (R534,R1 350))构建预测水稻氮素的BP神经网络模型,预测效果最佳,其验证参数值分别为R2=0. 859、RMSEV=0. 302%和RPD=2. 669。[结论]基于单指标构建的传统线性模型计算过程简单但精度略低,而基于2个指标(SD (R752,R751)、SR (R534,R1 350))构建的BP神经网络模型预测精度高于该2指标构建的多元线性模型,表明在指标适合的情况下,BP神经网络对氮素具有较好的预测能力,是一种快速准确估算水稻叶片全氮浓度的方法。 相似文献
10.