拉曼光谱反分析 编码以纠缠拉曼光谱，可视化拉曼光谱，识别混合拉曼光谱中的成分，并最终使用拉曼光谱法识别材料的分解或存在。 团队成员（按字母顺序排列）：布兰登·科恩，伊丽莎白·拉斯穆森，帕克·斯蒂兴 总体项目目标 该项目识别并计算拉曼光谱中的分解，以输出速率数据。 使用此方法的优点是： 完全开源，项目的任何部分都不依赖付费服务 自动化过程，自动化分析，快速获得结果 可验证的是，用户可以通过统计软件堆栈了解他们对结果的信心 可在“找到该项目的更多详细背景和动机。 假设和项目范围 不包括甲酸分解产物（氢，水，二氧化碳，一氧化碳）以外的存储数据库，因为其他组件目前不在项目范围内。 假定用户正在尝

安藤 AQ6317B 光谱分析仪操作手册(中文)

AVIRIS高光谱数据，数据.mat格式，便于matlab直接处理。用于高光谱图像分类实验，包含ground truth文件

将光谱数据或光谱数据立方体放入输入，点击运行，即可得到对应的四种色貌模型（sRGB\XYZ\ipt\CAM_02）在CIE1931 D65下的转换数据，sRGB可以直接通过使用python读出照片。

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