高光谱图像端元提取MATLAB代码-ET2ECN_2020ET2ECN_2020

高光谱图像中提取纯凸端元是目标检测、分类和分解应用的关键步骤。提出一种基于凸多边形最大化的新算法，利用凸几何概念确定最大凸多边形面积的凸集，有效地提高了端元提取的独特性。并行实现显示出在噪声存在的情况下的鲁棒性，仿真结果证明该算法显著降低了光谱角误差（SAE）和光谱信息发散度（SID）误差，同时在丰度映射中验证了其有效性。详细步骤请参考作者提供的MATLAB代码。如需运行代码，请下载并解压所有文件，并执行“Demo_cuprite.m”文件。

高光谱图像分解Matlab代码已经提供，您可以免费下载使用。

高光谱CARS显微镜和光谱工具箱使研究人员能够方便地分析他们的数据。该工具箱专注于图像融合、去噪和光谱学的研究与开发。

Casey, JR和Follows, MJ在2020年的研究中提供了一个灵活且易于使用的Matlab代码，用于微生物在养分限制条件下的稳态模型。他们应用这一模型于大肠杆菌K12 BW25113，探索了在葡萄糖限制与充足条件下的生长模式。该代码基于最新的大肠杆菌K12 MG1566基因组规模代谢模型（iML1515），能计算多种关键参数，如n、n max、S、Sl lb、S ub、v max G、v D、μ max等。该代码在Matlab 2019b下运行无误。如果您有兴趣将此模型应用于其他微生物或不同的运输过程，请访问GitHub仓库https://github.com/jrcasey/Nut

此代码提供了Matlab实现的论文“通过最佳邻域重构的高光谱波段选择”，刊载于IEEE地球科学与遥感事务（T-GRS），DOI：10.1109/TGRS.2020.2987955。demo.m展示了一种简单直接的方法来运行ONR算法，评估.m提供了易于扩展的代码框架，以评估不同数据集上的不同波段选择方法。运行评估.m可获得分类精度曲线。为了成功运行评估.m，需首先安装适用于Matlab的Libsvm。另外，如果要在印度松树之外的数据集上评估算法，还需提前下载相应数据集。Libsvm链接：高光谱图像数据集链接：印度松树数据集、帕维亚大学数据集、盐沼数据集、KSC数据集、博茨瓦纳数据集。如果使用我

欢迎来到MEG分析入门课程[目录]。本课程教授MEG分析的基础步骤。尽管数据相似且分析仅在少数情况下存在分歧，您所学知识同样适用于EEG分析。假设您具备一定的M/EEG基础知识，我们将简要提醒一下。尽管MATLAB编程经验可以增加舒适感，但我们并未实施复杂的编程。M/EEG测量记录的是非侵入性电生理信号，其主要来源是引起突触后电位的离子电流。动作电位对信号的贡献较小，因其短时延不利于信号求和。标准频率范围通常为

这是用于高光谱超分辨率中耦合结构矩阵分解的混合不精确块坐标下降（HiBCD）Matlab代码，已在IEEE信号处理事务中发表。在半真实数据集实验中，您可以在提供的链接下载真实HS图像，并运行相应脚本以获取数据矩阵。合成数据集实验也包含在内，参考了吴瑞元、开海Wai和马永健的研究。专注于高光谱超分辨率（HSR）中的耦合结构矩阵。

这份文件描述了迭代约束端元（ICE）算法在卫星遥感和高光谱NIR成像中的应用。该算法专门用于从混合物中提取成分信息，使用光谱图像数据集生成混合物成分的空间分布和成分的纯光谱。与化学计量学中的多元曲线分辨率（MCR）算法类似，ICE算法通过外部约束来确保输出符合预期结果。还讨论了ICE算法在强制算法输出期望结果方面的应用。

This program performs directional wave separation in a Discrete-Time Acoustic Pulse Reflectometry (APR) system, based on Louis et al.'s method (1993). The algorithm requires recordings from two microphones (pm1c and pm2c) positioned at axial intervals within the source tube. The microphone spacing (