第11章--拉曼光谱分析法

卷积神经网络和功能性近红外光谱信号对癫痫发作的预测 请引用为：Rosas-Romero，R.，Guevara，E.，Peng，K.，Nguyen，DK，Lesage，F.，Pouliot，P.，and Lima-Saad，W.-E. （2019）。 与卷积神经网络和在生物学和医学功能近红外光谱信号的计算机癫痫发作的预测，111，103355. MATLAB中CNN的实现，用于癫痫发作的预测。 描述 该实现旨在解决二进制分类问题。 它可以轻松修改以解决多类问题。 该实现解决了癫痫发作的预测； 但是，可以轻松对其进行修改以解决其他应用程序。 主要代号 MAIN_CNN_CODE.m 评论 主要代码调用子例程： Data.m （获取观察值）， SAMPLING.m （生成发作间和发作前集合），Crossvalidation.m（生成用于训练，测试和验证的集合）， parametersCNN.m

基于深度学习的高光谱影像分类方法研究

猕猴桃近红外光谱MLR建模中的波长选择，傅霞萍，应义斌，光谱波长选择方法在近红外光谱分析建模中相当重要。本研究采用逐步回归分析（stepwise regression analysis）法和连续投影算法（successive pro

石英增强光声光谱学中声学微谐振器的位置效应

用于近红外光谱的分析 聚类分析和判别的matlab程序

利用zemax的源文件戴森结构光谱仪 ，源文件，光谱仪设计系统入门的最佳选择 资源整理不易，请珍惜，零基础入门到精通

冠层叶绿素能够有效反映植被的生长状况。为了基于高光谱精确估算冠层的叶绿素含量,以棉花为研究对象,实测棉花冠层光谱反射率和叶绿素含量,然后进行原始光谱数据转换,计算高光谱参数,分析叶绿素含量与高光谱参数之间的相关关系,构建估算棉花冠层叶绿素含量的BP神经网络模型。结果表明:包络线去除处理后,冠层反射率和叶绿素含量的相关性在560~740 nm波段范围内提高了10.7%,效果优于原始光谱和一阶微分光谱得到的结果;基于原始光谱和去除包络线光谱建立的植被指数mSR、mND、NDI、DD与叶绿素含量表现出较高的相关性,相关系数均在0.8左右;在所建的BP神经网络模型中,基于包络线光谱指数建立的模型的决定系数为0.85,均方根误差和相对误差分别为1.37、1.97%,这一结果优于基于红边参数、原始光谱植被指数和一阶微分光谱指数建立的模型。本研究可为作物叶绿素含量估算的实际应用提供理论依据和技术支持。

图像合集（红外、可见光、高光谱、sar图像），包含jpg和部分matlab代码

These are two scenes acquired by the ROSIS sensor during a flight campaign over Pavia, nothern Italy. The number of spectral bands is 102 for Pavia Centre and 103 for Pavia University. Pavia Centre is a 1096*1096 pixels image, and Pavia University is 610*610 pixels, but some of the samples in both images contain no information and have to be discarded before the analysis. The geometric resolution is 1.3 meters. Both image groundtruths differenciate 9 classes each. It can be seen the discarded samples in the figures as abroad black strips.