Cuprite（矿区图）是高光谱解混研究的最基准数据集，涵盖美国内华达州拉斯维加斯的Cuprite矿区，原始数据有224个波段，从370nm至2480nm。
在移除有噪声的通道（1--2和221-224）和吸水通道（104-113和148-167）后，仍然有188个通道。
250×190个像素的区域被认为存在14种矿物。
由于类似矿物的变体之间存在细微差别，最终确定为12名成员，总结如下"#1Alunite","#2Andradite","#3Buddingtonite","#4Dumortierite","#5Kaolinite1","#6Kaolinite2","#7Muscovite","#8Montmorillonite","#9Nontronite","#10Pyrope","#11Sphene","#12Chalcedony".

高光谱解混数据集（Urban），matlab的mat格式文件，Urban是高光谱分离研究中使用最广泛的高光谱数据之一。
有307x307像素，每个像素对应一个2x2平方米的区域。
在该图像中，存在210nm波长，范围从400nm到2500nm，光谱分辨率10nm。
在通道1--4,76,87,101-111,136--153和198-210被移除后（由于密集的水蒸气和大气效应），仍保留162个通道

本程序为非负矩阵分解，适用于高光谱解混。
图形图像处理方面的matlab程序

高光谱解混数据集（Samson），具有156个通道的Matlab格式数据，原始数据有952x952像素。
每个像素记录在156个通道上，覆盖401nm至889nm的波长。
光谱分辨率高达3.13nm。
由于原始图像太大，这在计算成本方面非常昂贵，因此使用95×95像素的区域。
它从原始图像中的第（252,332）像素开始。
此数据不会被空白通道或严重噪声通道降级。
具体而言，该图像中有三个目标，分别是“＃1土壤”，“＃2树”和“＃3水”。

高光谱解混数据集（JapserRidge），matlab的mat文件。
原始数占有512x614个像素。
每一个像素记其实规模从380nm到2500nm的224个通道中。
光谱分说率高达9.46nm。
由于这个高光谱图像太繁杂而没法患上到底子梦想，于是咱们思考100x100像素的子图像。
第一像素从原始图像中的第（105,269）像素末了。
在移除了通道1--3,108-112,154-166以及220-224后（由于密集的水蒸气以及大气效应），咱们留存了198个通道（这是HU阐发的罕有预处置）。

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。