2021年华为杯第十八届**研究生数学建模竞赛E题全国一等奖
- clean_data.py：使用高斯σ原则和k-means聚类算法对原始数据进行预处理，并转化为二维矩阵存储。
- process_tag.py：将靶点的真实坐标转化为二维矩阵数据类型存储。
- method.py：定义最小二乘法和牛顿迭代法求解交点，使用线性分类器预测噪声类型。
- generate_data.py：利用提供的训练数据构造神经网络输入特征。
- generate_label.py：利用提供的训练数据生成噪声类型的真实标签。
- neural_network.py：定义神经网络结构，使用训练数据优化神经网络的参数，并保存最优模型。
- denoising.py：计算利用神经网络去噪后估测交点的坐标，输出三维、二维和一维的各自精度。
- predict.py：使用预训练的模型对测试数据进行预测，输出噪声类型和交点坐标。
- move_plot.py：用三维和二维分别展现靶点的动态轨迹。
- kmeans_sse.py：计算不同聚类中心数量下的聚类误差，以确定最佳聚类中心数量。
- vis_data.py：可视化原始数据或清洗后数据的观测距离，呈现曲线图和直方图。
- vis_noise.py：可视化观测距离误差的分布，以观察噪声统计特性。