通过学习总结的一点课程论文，大家相互交流嘛

原创光谱分析GUI界面-光谱分析GUI.zip 这几天边把以前写的一个小GUI拿出来，用guide翻修了一下，搞了一个光谱分析的软件来，做的过程遇到了很多问题，收获很多。 把程序拿出来晒一下。中间给出两个txt文件，是光谱仪的数据输出，可供测试。

SD_FPI 代码介绍该代码可以集成 2D 或 3D 压力梯度场以获得压力场，这是基于 PIV 的压力重建的必要程序。 该代码也适用于集成任何其他梯度场，只需替换输入压力梯度场。 此代码的返回结果是最小二乘解(∂p/∂x=f(x,y,z); ∂p/∂y=g(x,y,z); ∂p/∂z=h(x,y,z); f(x,y,z),g(x,y,z),h(x,y,z) 是输入的 3D 标量场。 求解算法基于频谱分解，已由 Wang 等人报道。 (2017)。 运行此代码的时间成本和内存消耗非常低。 参考： Wang C, Gao Q, Wei R, Li T, Wang J (2017) 基于谱分解的快速压力积分算法。 爆炸流体 58:84 Wang C, Gao Q, Wei R, Li T, Wang J (2017) 加权散度校正方案及其快速实现。 爆炸流体 58:44

本次是ASD大光谱相关的操作步骤，波段范围为350nm-2500nm，光谱分辨率为1nm 本人通过近段时间对遥感野外实验操作光谱仪的总结，希望可以帮助到大家。 文件中包括光谱仪与PC机的连接、RS3软件的操作步骤、数据保存的介绍、采集操作规范及数据保存样式简介。

本次讲述了ASD光谱仪采集到的数据的处理操作的简介

为实现玉米种子含水率(MC)的精确、快速、无损检测, 消除种子放置方式(胚部朝上/下)的影响, 基于高光谱成像和图像处理技术, 结合变量筛选法, 针对玉米种子正反面放置的不同分别建立对应的MC预测模型。分别采集种子正、反两面高光谱图像, 提取质心区域光谱数据, 采用竞争性自适应重加权变量选择算法筛选特征波段, 建立对应的MC预测模型。对比图像不同部位光谱曲线变化趋势, 挑选4个特征波段(1104, 1304, 1454, 1751 nm)进行波段运算获取种子正、反面信息及质心位置。依据正、反面检测结果, 自主选择对应的MC预测模型对45个验证集样本进行含水率检测。结果表明, 使用波段运算正、反面识别率分别为97.8%、100%; 正、反两面验证集相关系数分别为0.969, 0.946, 均方根误差分别为0.464%, 0.616%。该研究为使用多光谱成像技术实现玉米种子MC的快速无损自动化检测奠定基础。

摘要光谱特征波段的选取是植被高光谱分类识别的重要基础之一利用鄱阳湖种典型植被的实测高光谱数据在对数据进行预处理和分析的基础上提出了一种基于均值极差阈值法的光谱特

摘要针对藻类荧光光谱解析中常见的信息冗余和光谱相关性问题，基于偏最小二乘（ＰＬＳ）的方法，提出了区间蒙特卡罗偏最小二乘（）方法，有效地解决了特征波长的选取问题。

光谱匹配Matlab代码重新思考LDA：离散ICA的矩匹配 如果您有兴趣复制我们的实验和/或我们的数据集，请检查repo。 关于 该项目包含用于主题建模的一些矩匹配算法的实现。 简而言之，这些算法基于数据的矩/累积张量的构造，并将它们与各自的理论表达式进行匹配，以学习模型的参数。 该代码由两部分组成。 一部分包含用于构造矩量/累积量张量的有效实现，而另一部分包含用于匹配张量的几种所谓的联合对角化类型算法的实现。 任何张量类型（请参见下文）都可以与对角化算法之一（总共导致6种算法）任意组合。 重点是潜在的狄利克雷分配（LDA）和离散独立成分分析（DICA）模型。 重要的是，后者模型显示出相似性，有时与前者相同。 分别考虑了两种类型的张量：LDA矩和DICA累积量。 LDA矩的理论表达式先前是由Anima Anandkumar，Dean P.Foster，Daniel Hsu，Sham M.Kakade，Yi-Kai Liu在潜在Dirichlet分配的频谱算法中得出的。 Algorithmica 72（1）：193-214（2015）。 DICA累积量的表达式是从我们的论文中得出的（请参

Ocean_Optics光谱采集软件，加入了Ocean_Optics_MayaPro2000、Ocean_Optics_USB2000+、Ocean_Optics_USB4000驱动，安装对应软件后打开FluoSpec.exe即可设置光谱仪积分时间，平均次数，执行观察、缩放光谱、保存光谱文件等功能。