基于Python传输的信号处理工具包

网站和文档：https://pytranskit.readthedocs.io网站/

介绍视频

该python包基于将信号和图像与与传输现象概念物理相关的像素位移操作参考相匹配的思想，提供了信号/图像表示软件方法（即数学变换）。您可以像使用傅里叶变换或小波变换一样思考和使用下面描述的变换。通过在传输变换（例如Wasserstein嵌入）空间中解决信号/图像分析，可以大大简化统计回归问题并使其线性化，从而使用较少的训练样本提高信号/图像检测、估计和分类问题的准确度，具有数学理解和可解释性，更好的泛化特性，计算效率高。

可以通过pip安装库

pip安装pytranskit

或者，您可以克隆/下载存储库并添加pytranskit试剂盒目录到Python路径

导入系统sys.path.append（'路径/to/pytranskit'）从pytranskit.optrans.coninuous.cdt导入cdt

介绍视频

• 累积分布变换（CDT）[1][笔记本] [nbviewer（网络浏览器）]
  • 视频：CDT公司,代码
• 有符号累积分布变换（SCDT）[6]教程[笔记本] [nbviewer（网络浏览器）]
• SCDT领域自适应教程[笔记本] [nbviewer（网络浏览器）]

• Radon-CDT教程[笔记本] [nbviewer（网络浏览器）]
• 3D Radon-CDT教程[笔记本][nbviewer（网络浏览器）]

• RSCDT教程：正向和反向变换[10][笔记本]
• 基于RSCDT的最近子空间图像分类方法[10]。[笔记本]

• 连续线性最优传输变换（CLOT）教程[笔记本] [nbviewer（网络浏览器）]

• 一维数据的CDT最近子空间（CDT-NS）分类器[笔记本] [nbviewer（网络浏览器）]
• 一维数据的SCDT最近子空间（SCDT-NS）分类器[8][笔记本] [nbviewer（网络浏览器）]
• 一维数据的SCDT最近局部子空间（SCDT-NLS）分类器[9][笔记本] [nbviewer（网络浏览器）]
• 二维数据的Radon-CDT最近子空间（RCDT-NS）分类器[4][笔记本] [nbviewer（网络浏览器）]
• 3D数据的3D Radon-CDT最近子空间（3D-RCDT-NS）分类器[笔记本] [nbviewer（网络浏览器）]
• 用于光照不变人脸识别的离散Radon-CDT最近子空间分类器[笔记本]
• 基于RSCDT的最近子空间图像分类方法[10]。[笔记本]

• 使用CDT[5]的时延估计[笔记本] [nbviewer（网络浏览器）]
• 使用CDT的时延和线性色散估计[5][笔记本] [nbviewer（网络浏览器）]
• 使用SCDT识别PDE系统[11][笔记本] [nbviewer（网络浏览器）]

• 基于运输的形态计量学检测和可视化细胞表型差异[7][笔记本] [nbviewer（网络浏览器）]

1. 累积分布变换和线性模式分类，应用和计算谐波分析，2018年11月
2. Radon累积分布变换及其在图像分类中的应用，IEEE图像处理汇刊，2015年12月
3. 图像数据集中模式分析的连续线性最优传输方法，模式识别，2016年3月
4. 用于图像分类的氡累积分布变换子空间建模，数学成像与视觉杂志，2021年
5. 使用累积分布变换进行参数信号估计，IEEE信号处理汇刊，2020年5月
6. 用于一维信号分析和分类的符号累积分布变换，ArXiv 2021
7. 使用基于转运的形态计量学从显微镜图像中检测和可视化细胞表型差异，PNAS 2014
8. 用于一维信号分类的符号累积分布变换空间中的最近子空间搜索，IEEE声学、语音和信号处理国际会议，2022年5月
9. 符号累积分布变换空间中的端到端信号分类，arXiv 2022
10. Radon符号累积分布变换及其在符号图像分类中的应用，arXiv 2023。
11. 在结构健康监测应用程序中使用有符号累积分布变换进行系统识别，arXiv 2023

外部网站http://imagedatascience.com/transport/

视频[教程]

• 阿布·哈斯纳特·穆罕默德·鲁拜亚特（Abu Hasnat Mohammad Rubaiyat）
• 穆罕默德·希法特·拉比
• 利亚姆·卡特尔
• 许王寅
• 李世英
• 闫庄
• 古斯塔沃·K·罗德
• 索海尔·科洛里
• 塞里姆公园