采用傅里叶变换红外光谱(FTIR)、二阶导数谱结合二维相关红外光谱(2D-IR)，对8 种豆样品(黄豆、黑豆、蚕豆、豌豆、白芸豆、红豆、绿豆和红小豆)进行鉴别分析。结果显示，8 种豆的原始光谱吸收峰非常相似，仅在吸收峰强度和峰位上有微小差异。对1700~800 cm

语音处理指定了一个由 Lawrence Rabiner 教授（罗格斯大学和加州大学圣巴巴拉分校）、Ronald Schafer 教授（斯坦福大学）、Kirty Vedula 和 Siva Yedithi（罗格斯大学）组成的团队。 此练习是一组语音处理练习之一，旨在补充LR Rabiner和RW Schafer编写的教科书“数字语音处理的理论和应用”中的教材。 此 MATLAB 练习比较并对比了使用具有两种不同帧持续时间（窄带-NB 和宽带-WB）的两种不同窗口（汉明和矩形）中的任何一种对计算短时傅立叶变换 (STFT) 的影响用户选择的语音帧。

研究了材料和基底的吸收对二维光子晶体的影响，采用传输矩阵法沿某一晶格方向对光子晶体进行分层，然后基于各层传输矩阵求解能带结构。研究发现，吸收使原来不存在带隙的频率上出现新带隙，而原有带隙则得到拓展，其中TE 波受吸收的影响比TM 波大.

针对高光谱图像数据维数多,光谱信息和空间信息难以提取的问题,提出了一种基于超图和卷积神经网络的分类算法,依据高光谱图像中像素之间的光谱关系和空间关系构建超图;通过超图构建具有谱空联合特征的样本,将其送入卷积神经网络进行特征提取,实现分类。在3种常用的高光谱数据集上进行实验,于Indian Pines数据集上取得了96.63%的总体分类精度。相比于其他算法,所提算法的分类精度高、速度快,而且避免了传统方法在特征提取和融合时出现的不稳定性,验证了其提取的谱空联合信息对高光谱图像具有更强的特征表达能力。

基于神经网络的红外光谱的汽油辛烷值预测系统matlab实现，内包含数据集以及算法源码

在时间和空间调制的傅里叶变换成像光谱仪推扫过程中在此过程中，光谱仪平台的运动状态可能会有所不同。 因此，从图像序列偏离使用高平台稳定性获得的理想干涉图。 恢复的目标光谱将无法反映真实的目标特征。 我们采用目标跟踪来获取目标位置在图像序列中通过建议的核回归，并使用相对偏差方法确定目标强度，以及使用非均匀快速傅立叶变换算法的频谱图恢复。 我们在模拟和实验获得的航拍图像上测试了我们的算法，并通过与准确的频谱图，证明了所提方法的有效性。

使用K-NN、朴素贝叶斯及最小欧氏距离进行高光谱图像分类，准确度和混淆矩阵评估模型，运行project.m即可

使用SVM、随机森林及K-NN进行高光谱图像分类，内置Indian_pines、PaviaU、Salinas数据集及其标签

matlab小波平滑代码拉曼系统 拉曼系统旨在处理，分析和分类拉曼光谱。 它包含许多功能强大的算法，这些算法可通过简单的图形用户界面执行。源代码可用，因此任何人都可以为程序的开发做出贡献。 要求 通用系统要求与MATLAB系统要求大致相同。 频谱文件 该程序使用简单的文本文件来存储拉曼光谱。 频谱文件由一列波数和一列由制表符分隔的相应强度组成。 示例数据文件由文件夹“ data”中的* .txt提供。 相应的子文件夹中提供了每个功能的示例数据，并且应在运行软件时将其添加到路径中。 特征 以下是拉曼处理程序的一些功能： 前处理 Savitzky-Golay（SG）平滑或小波去噪 小波特征点和分段插值的自动算法（AWFPSI） 认出 连续小波变换和局部信噪比（CWTLSNR）的自动拉曼峰识别算法 分析/分类 主成分分析 线性判别分析 偏最小二乘分析

IP, SV, UP, BS, KSC....XiongAn