2022吴恩达机器学习专项课程C3作业第一周 2022吴恩达machine-learning 3.Unsupervised learning recommenders reinforcement learning 本资源包含C3W1的测验作业和python大神改进的Jupyter note版本编程作业

2022吴恩达机器学习专项课程C3作业第二周 2022吴恩达machine-learning 3.Unsupervised learning recommenders reinforcement learning 本资源包含C3W2的测验作业和python大神改进的Jupyter note版本编程作业

成本中心分割及作业价格计算

软件工程，期末大作业，需要自己调试一下

2022吴恩达machine-learning 1.Supervised Machine Learning Regression and Classification 本资源包含C1的测验作业和python大神改进的Jupyter note版本编程作业

作业要求：根据SGG-UGM-1重力场模型，取前360阶次，并考虑前四个正常引力位系数，计算全球区域（1°）和中国西部（5’）的引力位、大地水准面高、重力异常、重力扰动分布，并绘图呈现 代码功能：C#（VS 2015）编写，可以导入其它重力场模型，自定义阶次、格网间隔、区域范围等，用matlab的m_map包实现绘图

HTML静态网页设计作业，采用DIV+CSS布局，共有多个页面，首页使用CSS排版比较丰富，色彩鲜明有活力,顶部导航及底部区域背景色为100%宽度。都是给学生定制的都符合学校或者学生考试期末作业的水平,有的有js，有的视频+音乐+flash的等元素的插入。 原生(HTML+CSS+JS),网页作品代码简单,可使用任意HTML编辑软件（如：`Dreamweaver、HBuilder、Vscode 、Sublime 、Webstorm、Text 、Notepad++` 等任意html编辑软件进行运行及修改编辑等操作） HTML5期末考核大作业源码 包含 个人、 美食、 公司、 学校、 旅游、 电商、 宠物、 电器、 茶叶、 家居、 酒店、 舞蹈、 动漫、 服装、 体育、 化妆品、 物流、 环保、 书籍、 婚纱、游戏、 节日、 戒烟、 电影、 摄影、 文化、 家乡、 鲜花、 礼品、 汽车、 其他 可满足大学生网页大作业网页设计作业需求, 喜欢的可以下载! 【查看更多源码地址】：https://blog.csdn.net/bigwhiteshark?type=blog

区别于网上大部分的资源，这是一个由C语言编写的（不是C++），更契合部分大学专业的结课任务，已实现增删改查输出等基本功能，代码经测试可运行（仅在C语言的环境下），需要的自取

作业要求将图片前景的黑色栏杆去除，恢复遮挡部分。要求修改的图片有两张，第一张图片的前景栏杆较窄，第二张图片的前景栏杆大部分较窄，有一根栏杆较粗。 为了去除遮挡部分，首先需要找到遮挡部分的位置，即 mask，这一步使用一系列图像处理的方法来完成。 针对第一张图片，由于遮挡物较窄，我使用了 Fast Marching Method 算法来实现去遮挡，该算法运算较快，对窄遮挡物去除效果较好，但对宽遮挡物（宽度大于 15 像素）进行修复时会出现模糊现象(Telea, 2004)。因此，针对第二张图片的宽栏杆部分，我使用了 criminisi 算法来进行修复，该算法运算较慢，但对宽遮挡物修复效果极佳(Criminisi, Perez, &Toyama, 2003)。 此外，我对 criminisi 算法做了一点改动，大大提高了它的运算速度，同时保证修复质量。 为了便于可执行文件的使用，我制作简单的 UI 界面。 去遮挡算法难以用矩阵运算实现，只能使用 for 循环，因此运算速度整体较慢。为了减少运算时间，我缩小了图片尺寸。

（1）矩阵A拟上三角化 对于实矩阵A 做相似变换化为拟上三角阵，运用相关算法对A进行变换得到拟上三角阵，并存储在A中。 （2）拟上三角阵的QR分解 运用QR分解法对矩阵A进行QR分解，得到Q和R并且最终验证R* Q为一个拟上三角阵。 (3) 带双步位移的QR方法求A的特征值 通过带双步位移的QR方法对A进行分解，求出A的特征值。 （4）通过gauss消去法求A特征值对应的特征向量 运用guass消去法对（A-λI）X = 0 这个式子进行求解，得到特征向量。