全文获取类型
收费全文 | 101篇 |
免费 | 19篇 |
国内免费 | 62篇 |
专业分类
基础医学 | 2篇 |
临床医学 | 3篇 |
内科学 | 7篇 |
神经病学 | 1篇 |
综合类 | 69篇 |
预防医学 | 86篇 |
药学 | 9篇 |
中国医学 | 5篇 |
出版年
2023年 | 4篇 |
2022年 | 11篇 |
2021年 | 7篇 |
2020年 | 4篇 |
2019年 | 4篇 |
2018年 | 8篇 |
2017年 | 1篇 |
2016年 | 8篇 |
2015年 | 6篇 |
2014年 | 3篇 |
2013年 | 7篇 |
2012年 | 10篇 |
2011年 | 9篇 |
2010年 | 4篇 |
2009年 | 14篇 |
2008年 | 8篇 |
2007年 | 11篇 |
2006年 | 7篇 |
2005年 | 9篇 |
2004年 | 8篇 |
2003年 | 8篇 |
2002年 | 4篇 |
2001年 | 7篇 |
2000年 | 8篇 |
1999年 | 7篇 |
1998年 | 2篇 |
1997年 | 2篇 |
1992年 | 1篇 |
排序方式: 共有182条查询结果,搜索用时 312 毫秒
111.
目的探讨将偏最小二乘法用于中药药性判别的可行性。方法收集《中华本草》中收录的药性明确、功效主治明确的植物性中药1 725种,利用基于偏最小二乘的两种方法建立药性识别模型,用组内回代、外推预测、交叉验证等方式评价模型。结果基于偏最小二乘法的两种模型的判别效果与原来判定结果符合率分别为92.75%、94.67%,两种方法的外推预测正确率分别为85.51%、89.86%,而重复10次的5折交叉验证正确率分别达到了88.28%、90.46%。结论基于中药的功效主治,偏最小二乘法能够准确判别药性且模型稳定好,能够有效解决多重共线性等问题,为中药药性的有效判别提供了新的思路和方法。 相似文献
112.
目的构建数据不平衡时癫痫发作频率预警模型。方法以2008年9月~2011年1月在临沂市人民医院就诊的736例癫痫患者为研究对象,进行癫痫发作危险因素的流行病学调查。采用Smote算法,进行数据的平衡化处理、后构建随机森林模型(RF),对癫痫患者的发作频率(次/月)进行分类预测。结果采用随机森林模型对癫痫患者进行分类,判断的正确率为82.53%,误判率为17.47%,受试者工作特征曲线下的面积为94.2%,袋外误差率为13.3%。结论随机森林法能够对癫痫患者发作的频率进行快速的分类,为癫痫发作的预警提供科学依据。 相似文献
113.
目的提出大型纵向监测健康体检数据统计分析策略。方法从数据预处理、马尔科夫链蒙特卡罗填补、广义估计方程纵向分析等几个方面介绍该策略,并以白细胞对代谢综合征的影响研究为例说明其应用性。结果将粗糙的原始数据进行预处理后,填补了大量不完整数据;利用广义估计方程进行纵向统计分析,克服因忽略组内相关造成的问题,使时间因素得到控制和体现。结论大型纵向监测健康体检数据统计分析策略可有效地利用查体记录的各类信息,极大地提高了统计分析质量。 相似文献
114.
山东省莒南县为国家级肾综合征出血热(HFRS)监测点,2006-2007年对汉坦病毒(HV)宿主动物进行监测并与山东大学、山东省疾病预防控制中心合作,对HV宿主动物躯体度量等指标做了进一步调查. 相似文献
115.
目的探讨二维最小生成树模型在分析自然疫源性疾病疫源地空间结构中的地理流行病学意义及其实际应用价值。方法遵循空间系统聚类的基本思想,将图论、泛生物地理学等学科的理论方法相结合,在地理信息系统(GIS)框架内,构建自然疫源性疾病疫源地空间结构的二维最小生成树(MST)模型,并以肾综合征出血热为例,验证模型的优良性。结果MST模型对分析疫源地空间结构的相似性、揭示疫源地内疫点之间的生态学或流行病学联系、推测疾病流行轨迹等具有良好的适用性。结论MST模型是分析自然疫源性疾病疫源地空间结构动态特征的良好方法。 相似文献
118.
“灶点”干预模式预防肾综合征出血热的实验流行病学研究 总被引:5,自引:0,他引:5
山东省是中国肾综合征出血热 (HFRS)流行最严重的省份。过去 ,由于忽略了HFRS在一个乡或一个自然村组成的微小地理环境内的地理分布特点和流行病学特点 ,因而缺乏根据疫点类型、发病时间、空间分布特点所制定的预防干预措施 ,致使HFRS的发病仍居高不下。本研究以平邑县为研究现场 ,应用目前HFRS的流行病学研究成果和有效的疫苗 ,借助实验流行病学方法 ,探讨“灶点”干预模式预防HFRS的流行病学效果和经济效益。一、资料与方法1.试验现场 :以平邑县保太乡和铜石镇为研究现场 ,两乡镇年平均发病率均在 80 / 10万以上 ,年预计发病数均… 相似文献
119.
120.
线性回阳预测模型有效超前期的确定方法 总被引:1,自引:1,他引:0
线性回归预测模型是应用线性回归技术,根据历史数据建立回归方程,用此回归方程进行超前预测.然而,建立了一个线性回归模型能否用其做无限期的超前预测呢?显然,一个预测模型的预测精度随着超前期的增加而逐渐降低,即预测误差越来越大.当外推至某一期时,预测误差之大,使该模型继续作外推预测几乎不再有什么实际意义,此时的预测超前期的长度我们称之为有效超前期.下面讨论线性回归预测模型有效超前期的一种确定方法. 相似文献