1、CES99_1nm 2、cies026 3、ciexyz31 4、ciexyz64 5、cri_test_colours 6、reference_illuminants

全局频谱反卷积 全局光谱解卷积+峰优化器 gsd使用的算法是搜索拐点以确定峰的位置，并且峰的宽度在2个拐点之间。 GSD的结果产生一个包含{x，y和width}的对象数组。 但是，此宽度基于拐点，并且可能与“ fwhm”（全宽一半最大值）不同。 第二种算法（ optimizePeaks ）将宽度优化为FWHM以匹配原始峰。 因此，优化后的宽度始终为FWHM，无论使用哪个函数。 参数 minMaxRatio = 0.00025（0-1） 根据给定峰的相对高度与最高峰的比较来确定是否应将给定峰视为噪声的阈值。 broadRatio = 0.00（0-1） 如果broadRatio大于0，则所有二阶导数小于broadRatio * maxAbsSecondDerivative的峰都将被标记为true的软掩码。 noiseLevel = 0（-inf，inf） 频谱单位的噪声阈值 max

一段用于光谱分析波段选择的无信息变量消除算法matlab代码。

仪器分析

仪器分析

Matlab实现的最大噪声分离变换（MNF），可以处理RGB图，高光谱图像以提取图像特征。算法速度较快，注释详尽。

基于MATLAB编程的最小噪声分离方法处理高光谱影像（Minimum Noise Separation Method Based on MATLAB Programming for Hyperspectral Image Processing）

光谱特征波段的筛选，选择光谱数据中具有代表性的变量用以建立定量预测模型

在遥感数据处理研究中，高维高光谱数据的冗余信息和噪声严重影响高光谱数据的分类精度，针对此问题提出基于互信息波段选择和经验模态分解的高精度高光谱数据分类算法(MI-EMD-SVM)。分别采用基于互信息波段选择方法和经验模态分解实现对高光谱数据的冗余信息处理和特征提取，并获得处理后的高光谱数据X″。采用支持向量机分类算法对处理后的高光谱数据X″进行分类实验。仿真实验结果证实MI-EMD-SVM算法不仅提高高光谱数据分类精度，同时还减少支持向量数目，提高高光谱数据分类速度。

光谱匹配Matlab代码需要从附加资源管理器安装的功能编程构造。 几个非免费工具箱（信号处理，统计和计量经济学）也需要在MATLAB 2017a上进行代码测试-旧版本可能无法正常工作 命令示例：fileSelection = 0; timeSelection = 2; onlyPreOT = 0; saveFig\n='\u5426'; scriptToRun\n='hyperscanningControl.m'; 掌握（）; 第二个示例：reset（）; fileSelection = 4; timeSelection = 1; onlyPreOT = 0; scriptToRun\n='forecasting.m'; 掌握（）; 在两个猴脑之间选择类似的神经元亚群 提供了一种灵活的方法来构建亚种群，以便可以以苹果对苹果的方式比较从两个不同的大脑收集的数据。 由于此匹配是主观的，因此代码使用以函数为参数的高阶函数。 例如，它需要一行代码才能从使用对称的Kullback-Leibler发散切换为尖峰计数的简单差分。 探索的一种方法是为两个大脑中的每个神经元构建峰间间隔的直方图，应用核平滑器，然后计算大