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。

系统实现的功能主要包括数据获取、数据分析及预测、数据展示、聚类分析、K线图可视化。

matlab卷积神经网络训练（回归模型）

matlab开发-多类数据的线性回归，每类数据具有不同的斜率。该函数对分类为两个不同类别的数据进行OLS和RMA回归。

回归预测 | MATLAB实现LSTM(长短期记忆神经网络)多输入单输出（完整源码和数据） 多输入单输出，运行环境MATLAB2018b及以上。

回归预测 | MATLAB实现BiLSTM(双向长短期记忆神经网络)多输入单输出（完整源码和数据） 多输入单输出，运行环境MATLAB2018b及以上。

回归预测 | MATLAB实现CNN(卷积神经网络)多输入单输出（完整源码和数据） 多输入单输出，运行环境MATLAB2018b及以上。

logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。因此因变量就为是否胃癌，值为"是"或"否"，自变量就可以包括很多了，如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。然后通过logistic回归分析，可以得到自变量的权重，从而可以大致了解到底哪些因素是胃癌的危险因素。同时根据该权值可以根据危险因素预测一个人患癌症的可能性。

回归预测 | MATLAB实现SVR(支持向量机回归)多输入单输出（完整源码和数据） 本程序为SVR支持向量机回归模型，多输入单输出，运行环境MATLAB2018b。

遗传算法嵌入粒子群算法优化LSSVM回归预测模型 pso-ga-lssvm 遗传算法嵌入粒子群算法优化LSSVM回归预测模型 直接替换数据就可以运行