معرفی شرکت ها

aaa-features-0.2.1

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.2.1
0.2
0.2.1
0.2

توضیحات

Python code to calculate signal features. This code was extracted from https://github.com/malfante/AAA
ویژگی مقدار
سیستم عامل -
نام فایل aaa-features-0.2.1
نام aaa-features
نسخه کتابخانه 0.2.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Marielle Malfante
ایمیل نویسنده marielle.malfante@gmail.com
آدرس صفحه اصلی https://github.com/awacero/aaa_features
آدرس اینترنتی https://pypi.org/project/aaa-features/
مجوز -
## NOTE: This code is a extract from https://github.com/malfante/AAA. This code calculates the feature vector from a MSEED file to used it later for training and classification purposes. # Automatic Analysis Architecture Welcome to this automatic classification scheme! Please carefully read the following before asking questions :) If used, the software should be credited as follow: **Automatic Analysis Architecture, M. MALFANTE, J. MARS, M. DALLA MURA** [![DOI](https://zenodo.org/badge/DOI/10.5281/zenodo.1216028.svg)](https://doi.org/10.5281/zenodo.1216028) and the original paper for which the code was developped should be cited:   **Malfante, M., Dalla Mura, M., Metaxian, J. P., Mars, J. I., Macedo, O., & Inza, A. (2018). Machine Learning for Volcano-Seismic Signals: Challenges and Perspectives. IEEE Signal Processing Magazine, 35(2), 20-30.** We thank you for the respect of the authors work. ## Set up and requierements needed to run the code This code was developed under Python 3, and needs the following libraries. . - `obspy>=1.1` - `python_speech_features` - `sympy` Create and activate your working environment (in a terminal session): `conda create -n aaa_features python=3.9` `conda activate aaa_features` # Clone the repository and install `git clone https://github.com/awacero/aaa_features.git` `cd aaa_features` `pip install .` # Install the package aaa_features from PYPI: `pip install aaa_features` ## Configuration files - the feature setting file, contained in `config_sample/features*.json` ## MSEED data sample - the folder data_sample contains a MSEED file from the station EC RETU SHZ 2012-06-28 ## Run the code to get the features `python call_aaa_features.py` ## More info If you still have questions, try running and exploring the code. The playground files are relatively easy to play with. If you still have question, fell free to ask ! **Contact:** marielle.malfante@gmail.com


نیازمندی

مقدار نام
>=1.1.0 obspy
>=0.6 python-speech-features
>=1.8 sympy


نحوه نصب


نصب پکیج whl aaa-features-0.2.1:

    pip install aaa-features-0.2.1.whl


نصب پکیج tar.gz aaa-features-0.2.1:

    pip install aaa-features-0.2.1.tar.gz