Zobrazeno 1 - 10
of 42
pro vyhledávání: '"Chen Liang-yan"'
Autor:
Zhang, Yue-yue, Mao, Hui-min, Wei, Chao-gang, Chen, Tong, Zhao, Wen-lu, Chen, Liang-yan, Shen, Jun-kang, Guo, Wan-liang
Publikováno v:
In Academic Radiology December 2024 31(12):5054-5065
Autor:
Sun, Li-Na, Zhi, Zheng, Chen, Liang-Yan, Zhou, Qun, Li, Xiu-Ming, Gan, Wen-Juan, Chen, Shu, Yang, Meng, Liu, Yao, Shen, Tong, Xu, Yong, Li, Jian-Ming
Publikováno v:
In Cancer Letters 28 November 2017 409:104-115
Autor:
Chen, Liang-Yan1,2 (AUTHOR), Wang, Lian1 (AUTHOR), Ren, Yue-Xiang1 (AUTHOR), Pang, Zheng1 (AUTHOR), Liu, Yao1 (AUTHOR), Sun, Xiao-Dong1 (AUTHOR), Tu, Jian2 (AUTHOR), Zhi, Zheng1 (AUTHOR), Qin, Yan1,3 (AUTHOR), Sun, Li-Na1 (AUTHOR) sunlina@suda.edu.cn, Li, Jian-Ming1,4 (AUTHOR) jianmingli@suda.edu.cn
Publikováno v:
Molecular Cancer. 11/23/2020, Vol. 19 Issue 1, p1-17. 17p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
CHEN, LIANG-YAN, 陳亮言
105
Following Chen (2009) to estimate book-tax differences, this study aims to examine the relationship between corporate diversification and book-tax differences in Taiwan. This study proxy industrial diversification/ global diversification to
Following Chen (2009) to estimate book-tax differences, this study aims to examine the relationship between corporate diversification and book-tax differences in Taiwan. This study proxy industrial diversification/ global diversification to
Externí odkaz:
http://ndltd.ncl.edu.tw/handle/9vtk8f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Haigen Xu, Chen Liang-Yan
Publikováno v:
Biodiversity Science. :466-471
Publikováno v:
2009 International Conference on Test and Measurement.
According to the correlation and statistical information of neighboring pixels in image, a statistical morphological predict operator is constructed based on the Markov random field theory, and the corresponding 2-D statistical morphological wavelet