日志模块

用vs2010 mfc 框架下完成数据库编程(Using VS2010 MFC framework to complete database programming)

一个文件管理系统，服务器端 客户端链接之后便可以运行(A document management system, server-side link and then the client can run)

TSP问题的多重解法，包括动态规划、回溯和贪心等(Multiple Solutions to TSP Problems, including Dynamic Programming, Backtracking and Greed)

c语言 自己写的多级菜单实现，用双向链表的方式实现菜单项目的进入与返回，理论上可以设置很多级的菜单，加上给每个菜单配置相应事件函数。因为是小工程，没有引进动态内存，创建节点要用静态的方式。

这篇文章是一种特征降维的方法，不过跟一般的计较离散度的方法不同，这个特征变换的准则是：尽可能地保留原始样本的熵(Kernel Entropy Component Analysis Jenssen, R Pattern Analysis and Machine Intelligence, IEEE Transactions on Volume: PP , Issue: 99 )

一个简单的人脸识别系统，即能够对ORL人脸库中的样本图像进行特征提取，在此基础上设计人脸分类器（例如神经网络分类器，SVM分类器，其他分类器也可），能够完成对测试样本的识别。 最终目标是基于C、C++语言或matlab编写一个程序，能够实现人脸分类器的训练并对测试样本进行识别。

nios学习资料，fpga调用外部sdram实例，值得初学者下载。(nios learning materials, fpga call external sdram instance, it is worth beginners to download.)

在excel上使用macro对图表编辑，使用语言为法语(Utiliser macro en Excel)

C#

1、 极大似然估计 尝试用0~24阶多项式拟合，并用5折交叉验证选择最佳模型（多项式阶数及其系数，给出类似课件中的图），并画出最佳模型的拟合效果图（类似图1，蓝色点为训练样本、红色点为测试样本、绿色线为模型预测），给出该模型的测试误差。 2、 岭回归 多项式阶数为24，正则系数λ的取值范围为exp(-19)到exp(20)，采用并用5折交叉验证选择最佳模型。实验结果要求同1。 (1, the maximum likelihood estimate of 0 to 24 try-order polynomial fitting, with 5-fold cross-validation to select the best model (polynomial order and coefficients are given in Figure similar courseware), and draw the best model Fitting renderings (similar to Figure 1, a blue dot to the training sample, the test sample is red dot, the green line is the model prediction), the test error of the model are given. 2, ridge regression polynomial order of 24, the regular coefficient ranges λ is exp (-19) to exp (20), and with the use of 5-fold cross-validation to select the best model. The experimental results with a requirement.)