高光谱图像分类2D_CNN网络代码 基于pytorch框架制作 全套项目，包含网络模型，训练代码，预测代码，直接下载数据集就能跑，拿上就能用，简单又省事儿 内附indian pines数据集，采用20%数据作为训练集，并附上迭代10次的模型结果，准确率99左右。

拉曼光谱的课件，原理有详细解释，值得学习，做拉曼谱分析非常有用！！！

matlab算特征值源码Matlab中的光谱正确正交分解 SPOD（）是固有正交分解（POD，也称为主成分分析或Karhunen-Loève分解）的频域形式的Matlab实现，称为频谱固有正交分解（SPOD）。 SPOD源自固定流[，2]的时空POD问题，并导致每个模式都以单个频率振荡。 SPOD模式代表动态结构，可以最佳地解决静态随机过程的统计变异性。 与该示例一起提供的大涡模拟数据是[3]中描述的0.9马赫湍流射流数据库的子集，并使用Cascade Technologies开发的非结构化流动求解器Charles计算得出。 如果您在研究或教学中使用数据库，请明确提及Brès等人。 [3]。 测试数据库包含5000个圆形湍流射流的对称分量（m = 0）的快照。 spod.m是独立的Matlab函数，不依赖工具箱。 该存储库中包含的所有其他Matlab文件都与六个示例相关，这些示例演示了代码的功能（请参见下面的文件描述）。 从示例中获得的结果的物理解释可以在[]中找到。 下载 使用浏览器 带有示例的存储库zip文件（81.5 MB）： 仅适用于Matlab功能（15 KB）： 在终端中使

国产卫星数据光谱响应函数hdr sli格式，用于遥感数据大气校正参数。 GF1/2/4/5/6/7、ZY301A/O2A/03A、ZY102C/D/E、CB

arcgis的插件，可以在arcgis 里查看光谱曲线

我们提供了用于模拟GAP相机的多光谱图像数据库。这些图像包含各种现实世界的材料和物体。我们正在将该数据库提供给研究社区。

利用matlab读取tif格式的高光谱数据，把反射率存储在一个三维矩阵中

为了达到快速识别和检测油类污染物的目的,以激光诱导荧光技术为基础搭建了荧光光谱检测系统,得到0 #柴油、95 #汽油和普通煤油3种不同油种的荧光光谱,然后从荧光光谱信息中提取特征参量,将标准差、中心距和荧光峰的峰度系数作为敏感特征参量进行聚类分析,最后采用拟合曲线法求得待测样品的质量浓度。实验结果表明,LIF技术结合特征参量提取法和拟合曲线法可用于不同油类污染物的定性和定量检测,为快速识别和检测油类污染物提供了一种新思路。

采用激光诱导击穿光谱技术分析安徽怀远农亢农场土壤样品中微量元素Mn的含量分布情况。实验中选取403.1nm作为Mn元素的分析线为,土壤中基体元素Fe作为内标元素,选取的分析线为407.2nm。选取10个土壤样品分别用传统定标方法和内标法建立定标曲线,并对4个待测样品浓度进行预测。实验结果表明,传统定标方法建立的定标曲线的拟合相关系数r为0.954,检测限为93mg·kg-1,待测样品的测量相对误差最大为5.72%;而采用内标法建立的定标曲线的拟合相关系数r为0.983,测量的相对误差减小到4.1%,检测限为71mg·kg-1。说明采用LIBS技术对土壤中微量元素Mn检测的可行性,同时,内标法一定程度上可提高测量的精确性。

利用拉曼光谱检测技术，对甲醇柴油的甲醇含量和黏度进行定量检测研究。93个甲醇柴油样品作为被检测的对象，划分校正集（72个）和预测集（21个）。分析比较了光谱的不同预处理方法的全交互验证偏最小二乘（PLS）模型效果；然后以最优预处理方法得到的光谱数据为输入，结合连续投影算法(SPA)建立不同的回归校正模型，并进行比较分析。结果表明，甲醇含量的多元散射校正偏最小二乘(MSC-PLS)模型预测效果最优，其校正集相关系数RC为0.9761，交互验证相关系数RCV为0.9551，校正集均方误差（RMSEC）为1.5089，交互验证均方误差（RMSECV）为2.0630；黏度的MSC-PLS模型预测效果也是最优的，RC为0.9794，RCV为0.9580，RMSEC为0.0907 mPa·s，RMSECV为0.1292 mPa·s。