纯像元指数（PPI）算法 以线性光谱混合模型的几何学描述为基础；利用“端元是遥感图像在特征空间中所形成的单形体的端点”这一特点、以及单形体的向量投影的性质进行端元提取。

奇异谱 用于执行和可视化奇谱分析（SSA）的MATLAB类，SSA是时间序列的非参数频谱分解技术

选址的matlab代码

小波包特征提取

本包计算的GML指数是GML-DDF指数（其他两种GML指数计算看我主页，均有），软件使用matlab，计算结果准确可靠，还附带指数分解为EC和TC,有详细的使用步骤，以及结果的解读均做了图文说明。全套资料均为本人整理制作，包售后服务，有什么问题都可以CSDN私聊找我。 为了照顾不懂matlab的小白，本人还整理了详细的操作说明文档，从matlab安装到代码的使用步骤，均做了详细的图文说明，里面还有配套的示例数据，可跟着说明整体跑一遍，就能学会操作！一切只为大家能更好的使用。 关于GML指数的计算，根据相关文献，目前为止有三种方法可以实现。第一种是早期用的比较多的基于Kaoru Tone（2001）的SBM模型（SBM-GML），第二种是Fukuyama&Weber（2009）提出的方向SBM距离函数模型(GML-DDF)。最后一种方法是Rolf Fare&Grosskopf（2010）基于方向距离函数的SBM模型（SBM-DDF模型），三种方法的优劣及合理性评价，目前暂无定论。

提出一种基于二维经验模态分解(BEMD)的合成孔径雷达(SAR)目标识别方法。BEMD可以从原始SAR图像提取多层次的二维固态模函数(BIMF),它们可以更好地描述目标的细节信息,因此联合原始SAR图像及其多层次BIMF,可以为后续的分类决策提供更多有益信息。采用支持向量机(SVM)对原始SAR图像以及各个层次的BIMF进行决策,然后基于Bayesian理论对各个SVM输出的结果进行有效融合,从而获得更为稳健的识别结果。基于MSTAR数据集设置几种典型的实验条件,对本文方法进行性能测试,结果验证本文方法相比几类现有SAR目标识别方法更具有性能优势。

plist文件解析CutPNG 一款解析 plist文件的工具 .plist ) 文件格式是一种简单的序列化格式，它支持一些基本对象类型

针对离散Hopfield 神经网络(DHNN) 的权值设计问题, 提出一种改进型学习算法, 并在DHNN动力学分析的基础上设计该学习算法. 利用矩阵分解的方法(MD) 得到正交矩阵, 并采用得到的正交矩阵直接计算DHNN的权值矩阵. 通过该学习算法得到的权值矩阵, 可以很好地存储训练样本的信息, 使测试样本收敛到稳定点. 该学习算法不需要进行分块计算, 减少了计算步骤和计算量, 降低了网络的迭代次数, 从而提高了网络运行速度. 最后, 将该学习算法应用于水质评价, 验证了其有效性和可行性.

本包计算的GML指数是基于SBM-DDF（其他两种GML指数计算看我主页，均有），软件使用matlab，计算结果准确可靠，还附带指数分解为EC和TC,有详细的使用步骤，以及结果的解读均做了图文说明。全套资料均为本人整理制作，包售后服务，有什么问题都可以CSDN私聊找我。 为了照顾不懂matlab的小白，本人还整理了详细的操作说明文档，从matlab安装到代码的使用步骤，均做了详细的图文说明，里面还有配套的示例数据，可跟着说明整体跑一遍，就能学会操作！一切只为大家能更好的使用。 关于GML指数的计算，根据相关文献，目前为止有三种方法可以实现。第一种是早期用的比较多的基于Kaoru Tone（2001）的SBM模型（SBM-GML），第二种是Fukuyama&Weber（2009）提出的方向SBM距离函数模型(GML-DDF)。最后一种方法是Rolf Fare&Grosskopf（2010）基于方向距离函数的SBM模型（SBM-DDF模型），三种方法的优劣及合理性评价，目前暂无定论。

matlab 代码允许重现论文中的一些结果：Chen S、Wang K、Peng Z 等人，广义色散模式分解：算法和应用，声音与振动杂志，2020 年。论文中使用的算法是对偶论文的版本（频域）：Chen S, Yang Y, Peng Z, et al, Adaptive chirp mode tracking: Algorithm and Applications, Mechanical Systems and Signal Processing, 2018. 部分脚本摘自论文: Chen S, Dong X, Peng Z, et al, Nonlinear Chirp Mode Decomposition: A Variational Method, IEEE Transactions on Signal Processing, 2017. and the paper: Chen