#特征提取
Hierarchical-Localization
这是一个用于6自由度视觉定位的开源工具箱。它采用分层定位方法，结合图像检索和特征匹配技术，提供快速、准确和可扩展的定位能力。该工具箱整合了图像匹配和运动恢复结构(SfM)领域的研究成果，可重现多个室内外视觉定位基准的最佳结果，并支持实现和调试新的定位流程。
Learnery
Learnery平台提供个性化在线教育服务，利用智能技术定制学习路径。课程内容涵盖学术科目和职业技能，适合不同背景的学习者。平台配备互动学习工具和实时反馈系统，提高学习效果。用户可随时获取优质教育资源，实现持续学习。平台特色包括AI驱动的个性化课程推荐、实时协作工具和多样化的学习资源库，满足从K12到成人教育的各类需求。
tsfresh
tsfresh是一个开源Python库，专注于时间序列数据的自动特征提取。它集成了统计学、时间序列分析、信号处理和非线性动力学的算法，并提供了特征选择机制。该工具可处理多种采样数据和事件序列，提供100多种预定义特征，并通过内置过滤程序评估特征重要性。tsfresh支持回归和分类任务，兼容sklearn、pandas和numpy，可在本地或集群环境运行，为时间序列分析提供了高效解决方案。
tsfel
TSFEL是一个开源的Python库，专门用于时间序列特征提取。该库提供超过65种特征，覆盖统计、时间、频谱和分形等多个领域。TSFEL支持在线和离线使用，具有用户友好的界面和完整的文档。它注重计算效率，并提供复杂度评估功能。TSFEL的设计易于扩展，支持添加自定义特征。这个库适用于研究人员和数据科学家，能够简化时间序列特征提取的过程。
emotion2vec
emotion2vec是一个开源的语音情感表示模型,采用自监督预训练方法提取跨任务、跨语言和跨场景的通用情感特征。该模型在IEMOCAP等数据集上取得了领先性能,并在多语言和多任务上展现出优异表现。项目开源了预训练模型、特征提取工具和下游任务训练脚本,为语音情感分析研究提供了有力支持。
functime
functime是一个面向大规模时间序列数据分析的Python库，提供高效的全局预测和特征提取功能。它支持时间序列预处理、交叉验证和性能评估，通过惰性Polars变换实现优化。该库能快速处理海量时间序列，支持外生特征和自动化调优，并集成LLM代理用于预测分析，适用于各种机器学习和数据分析任务。
hctsa
hctsa是一款功能强大的MATLAB时间序列分析工具包，专注于特征提取和比较分析。它能从单变量时间序列中提取大量特征，并提供多种分析工具。主要功能包括数据标准化、聚类、降维、特征识别和分类模型评估。该工具包适用于多领域的时间序列研究，能够深入挖掘数据特征，进行全面的比较分析。
catch22
catch22是一个包含22个时间序列特征的开源库，由C语言编写，支持Python、R、Matlab和Julia等多种编程语言。这些特征是从7000多个候选中精选而来，在93个实际时间序列分类问题中表现优异。catch22提供了跨平台的安装方法和使用接口，包括各语言的原生版本和C编译版本。该工具主要用于高效提取时间序列的动态特征，适用于多种研究和应用场景。
audioFlux
audioFlux是一个开源工具库，专注于音频和音乐的分析及特征提取。支持多种时间频率变换方法和多种特征组合，适用于分类、分离、音乐信息检索（MIR）和自动语音识别（ASR）等任务。该库跨平台且核心由高性能C语言实现，支持FFT硬件加速，适合大规模数据处理。最新版本引入了多种音高算法及音高移位和时间伸缩算法。