高光谱图像数据集，搜罗Indian,Pavia。
每一类数据集里搜罗图像原始信息，以及相对于应的groundtruth。

咱们从实际上钻研了嵌入中间的异质纳米蝶形天线中的部份大概等离子体激元共振。
提出能够绝对于中间成份，领结尺寸以及情景填充折射率对于Au-Ag纳米领结天线的空间漫衍以及光谱位置举行亘古未有的调解。
可调谐的光谱以及空间特色归因于中间嵌入纳米领结内润色的等离激元偶极子相互传染，能够经由纳米领结天线以及中间成份的大小很好地抑制这种相互传染。
这项钻研为调解中间嵌入异质结中的近场特色提供了底子的知道，可普及使用于单份子荧光，SERS以及光热疗法等规模。

基于深度学习的资源三号遥感影像云检测方式。
摘要针对于资源三号卫星影像波段少、光谱规模受限的特色，本文提出了基于深度学习的资源三号遥感影像云检测方式。
起首，付与主成份阐发非把守预熬炼搜集合构，患上到待测遥感影像特色；
其次，为削减在池化进程中影像特色信息的损失，提出自顺应池化模子，该模子能很好开掘影像特色信息；
末了，将影像特色输入反对于向量机分类器举行分类，患上到云检测下场。
选取典型地域举行云检测试验，并与传统Otsu方式举行比力。
下场评释：本文方式检测精度高，并且不受光谱规模限度。

Thedatasignalobtainedbyusingthenear-infraredspectroscopydetectorincludestheinformationofthecomponenttobetested,includingthenoiseofvariousinstruments,suchashigh-frequencyrandomnoise,baselinedrift,spuriousinformation,backgroundofthesample.Therefore,beforedataanalysis,thespecificsignalmeasurementandsamplesystemshouldbeprocessedreasonably,andtheinfluenceofvariousnon-targetfactorsonthedetectionsignalinformationshouldbeweakenedoreveneliminated,whichlaysafoundationforestablishingastableandreliablemathematicalmodel.Co妹妹onlyuseddatapreprocessingmethodsincludedatanormalizationprocessing(meancentering,normalization,standardnormaltransformation,etc.),highfrequencynoisefiltering(convolutionsmoothing,Fouriertransform,wavelettransform,etc.),differentialderivationofsignals,andBaselinecorrection,etc.

传统方式是付与两个目的即CCT（相关色温，用来描摹光源自身的色调）与CRI（显色指数，用来描摹光源的显色性）来通报白光的色质。
只用CCT来描摹固态光源的色质是不够的，由于两个具备相同CCT的LED光源由于其光谱成份的不合，于是具备不合的显色性。
付与CRI值来掂量饱以及血色物体的外表，其下场不精美绝伦，它与人眼视觉感知到的色质不相不合。
这两个目的只能使咱们知道棒球场中的白光光源的色调，照常有需要依赖咱们自己的眼睛来查核光源，以对于某一详尽情景做出评估。

matlab中对于红外光谱的预处置代码,源代码搜罗对于红外光谱的滑腻处置、一阶求导、二阶求导等。
以及回归阐发

付与三级主振荡功率放大(MOPA)结构,建树了一台平均输入功率30W的皮秒脉冲掺镱光纤激光器。
其输入尾纤芯径为30μm,输入激光脉宽约20ps,重复频率为59.8MHz,光束品质因子M2小于1.5。
将该高功率脉冲激光耦合到芯径7μm的国产光子晶体光纤(PCF)中,实现为了近3W的超络续谱输入。
为了削减耦合功能并防止光纤端面伤害,在皮秒激光源与光子晶体光纤之间加之一段芯径15μm的过渡光纤,患上到的输入超络续谱具备很好的平展性。
-10dB谱宽逾越1100nm(其中1064nm处残留的激光峰除了外),逾越所用光谱仪600-1700nm的视察规模。
输入光斑为一带有六角形玄色包络的血色基模光斑。

报道了用一束二倍频Nd:YAG激光同步抽运的脉冲染料激光体系,e型电子枪,铀原子束装置以及行使在单原子检测本领底子上阻滞起来的共振电离光谱以及翱翔功夫质谱同时丈量的本领,丈量铀原子激发态排汇截面的饱以及排汇方式。
此法具备至关高敏捷度、高分说率以及强遴选性的特色。

搜罗预处置算法，特色遴选算法-随机蛙跳-等，回归阐发方式

实用地举行图像的分类，该代码能够对于图像的光谱特色以及纹理特色举行提取

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。