windows版本的 3.4.1.版本的社区版neo4j数据库

matlab软件图像处理bipls方法进行光谱区间的选择，并进行比较

求振动信号功率谱的两种代码，一种周期法，一种AR_pyuler法，支持Excel和text读取

采用Scrapy爬虫框架爬取网页数据，构建武器装备知识图谱，存储于MongoDB数据库，并实现简单的知识问答

对于一个时间序列，通过奇异谱分析，实现去噪和平滑

非常实用的小波包分解程序，以及实现对小波包分解频带求取频谱和能量谱

认知无线电中频谱感知的几种检测方法，能量检测、匹配滤波器检测、循环特征检测

认知无线电频谱感知方法和程序 希望对大家有用谢谢

利用高光谱技术对火龙果可溶性固形物含量(SSC)检测进行研究,为火龙果内部品质无损检测提供科学方法.以火龙果为研究对象,对光谱数据进行预处理,应用连续投影算法(SPA)进行特征变量的选择,通过偏最小二乘法(PLS)和前馈反向传播神经网络法(BPNN)建立预测模型,分析了火龙果果皮对SSC 模型预测精度的影响.实验结果表明：采用平滑去噪(MAS) 效果最优,PLS 模型的交叉验证相关系数(Rcv) 为0.8635,交叉验证均方根误差(RMSECV)为0.6791,可提高火龙果可溶性固形物模型精度；通过SPA 算法能够有效地对光谱数据进行降维处理,采用优选的15 个特征变量建立的BPNN 预测模型的预测相关系数(RP)为0.8411,预测均方根误差(RMSEP)为0.8171；果皮对建模结果会产生一定的影响,完整果PLS 模型的(RP)为0.8999,RMSEP 为0.7208；果肉PLS 模型的RP 为0.9304,RMSEP 为0.5291,果肉SSC 模型比完整果SSC 模型的预测能力略高.研究结果表明基于高光谱技术采集的火龙果漫反射光谱进行SSC 无损检测具有可行性.

参考https://distill.pub/2021/understanding-gnns，学习图的谱表征方法。