معرفی شرکت ها

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

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

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

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

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

توضیحات

Coherence Mixture Model

ویژگی	مقدار
سیستم عامل	-
نام فایل	cmm-0.1
نام	cmm
نسخه کتابخانه	0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Virginia MS Rutten
ایمیل نویسنده	"Virginia M.S. Rutten" <vms.rutten@gmail.com>
آدرس صفحه اصلی	https://github.com/vrutten/cmm
آدرس اینترنتی	https://pypi.org/project/cmm/
مجوز	BSD-3-Clause

# Coherence Mixture Model [![License](https://img.shields.io/pypi/l/cmm.svg?color=green)](https://github.com/vrutten/cmm/raw/main/LICENSE) [![PyPI](https://img.shields.io/pypi/v/cmm.svg?color=green)](https://pypi.org/project/cmm) [![Python Version](https://img.shields.io/pypi/pyversions/cmm.svg?color=green)](https://python.org) [![CI](https://github.com/vrutten/cmm/actions/workflows/ci.yml/badge.svg)](https://github.com/vrutten/cmm/actions/workflows/ci.yml) [![codecov](https://codecov.io/gh/vrutten/cmm/branch/main/graph/badge.svg)](https://codecov.io/gh/vrutten/cmm) or for now k-Means Clustering with coherence as distance metric Unsupervised clustering algoirthm which clusters timeseries based on coherence. Coherence between two signals is defined as: ```math \mathcal{C}(\mathbf{\hat{x}}(\omega), \mathbf{\hat{\mu}}(\omega)) = \frac{|S_{x,\mu}(\omega)|^2}{S_{xx}(\omega)\cdot S_{\mu, \mu}(\omega)} ``` ``` demo code xnt: data k: number of clusters fs: sampling frequency nperseg: number of timepoints in each trial (to compute FFT over and average) itemax: max number of iterations to optimize ``` ``` from cmm import CMM cm = CMM( xnt, k=k, fs=fs, nperseg=nperseg, ) cm.optimize(itemax=itemax) print(cm.labels) ```

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl cmm-0.1:

pip install cmm-0.1.whl

نصب پکیج tar.gz cmm-0.1:

pip install cmm-0.1.tar.gz