第一章绪论
1、物联网具备的3个能力：全面感知、可靠传递、只能处理
2、物联网体系结构：感知层、网络层、应用层
3、感知层：解决数据获取问题，包括数据采集和数据段距离传输两部分
4、感知层关键技术包括：检测技术、中低速无线或有线短距离传输技术（传感器、RFID、
ZigBee技术、蓝牙）
5、网络层：承担数据传输功能，关键技术（Internet，移动通信网，WSN（5个特点））
6、应用层：解决数据处理和人机界面的问题，关键技术（人工智能，数据挖掘，中间件，
云计算，海计算）
7、物联网数据特性：数据的海量性、时效性、多态性与异构性
8、数据的多态性：采集的数据结构各不相同
9、数据的异构性：有文本数据、图像、音频、视频等多媒体数据。文本型数据易传难感、
多媒体数据易感难传。
10、异构性和多态性的根本原因：物联网的应用模式和架构互不相同，缺乏可批量应用
的系统方法。
11、数据海量性、时效性的解决方法：数据压缩、提高计算能力（采用云计算等技术）
12、数据异构性的解决方法：数据库（数据存储、挖掘、检索），中间件（传递、过滤、
融合）
第二章数据压缩
1、文本数据压缩的方法：游程编码、统计编码、字典编码（不同的冗余对应不同的压缩方
法），无损压缩算法通常利用了统计冗余。
2、无损压缩用在电子表格、文本、可执行文件这样的符号数据中；有损压缩用在视频、音
频中，需要在压缩速率、压缩数据大小和质量损失之间折中。
3、游程编码（RLE）存在的问题：3点
4、游程编码的压缩比：压缩因子为N/(N – M (L – 3))
5、游程编码可用于二值图像、灰度图像、彩色图像的压缩
6、熵：H = -s (log2 (P))，在等概率特例下，p = 1 / n，s为每单位时间传送s个符号。总的熵
即对所有熵求和
7、哈夫曼编码（熵编码法）：合并后概率下放、合并后概率上放。平均码长相同，说明信
息率R，冗余度相同；码方差越小越好。哈夫曼编码的编码方法不唯一
8、哈夫曼编码的优缺点
9、算术编码，编码与解码
10、算术编码提前结束问题的解决办法：加入eof符号
——————————————————————————————————
11、字典编码：LZ77/78/W
12、实用的字典编码算法的核心就是如何动态地形成字典，以及如何选择输出格式以减
小冗余
13、LZ77：搜索缓冲区、前向缓冲区。必须限制词典的大小才能保证算法的效率。LZ77
解码器比编码器简单得多（非对称压缩），3个改进
14、LZ78：没有搜索缓冲区，代之以显示字典，编码器与解码器必须同步建立字典
15、LZW：只对i编码，而不是编码
16、物联网数据压缩：一种改进的基于LZW的RFID标签数据压缩算法，三层数据存储
模型，RFID数据路径，子路径，主路径，路径编码。
——————————————————————————————————
17、多媒体压缩的重要性，可能性：空间冗余、时间冗余、结构冗余、知识冗余、视觉
冗余100*100*8*3/2、图像区域的相同性冗余、纹理的统计冗余
18、多媒体数据压缩方法分类：有损失编码（损失在量化，因为是除法）、无损失编码；
空间方法、变换方法、混合方法；自适应性编码、非自适应性编码
19、编码算法分类：预测编码、统计编码（熵编码）、静图像编码、电视编码、其他编
码
20、脉冲编码调制、预测编码、变换编码、统计编码、混合编码
21、峰值信噪比（PSNR）：衡量重建图像对原始图像的表征程度，均方误差(MSE)、均
方根误差(RMSE)，信噪比（SNR），量化信噪比，量化误差，越高越好
22、预测编码：基本思想，行内预测、帧内预测、帧间预测，三邻域预测法
23、视频信号的冗余度体现在：空间相关性（帧内），时间相关性（帧间）
24、运动补偿预测：将前一个画面的背景区+ 平移后的运动物体区作为后一个画面的
预测值
25、变换编码：原理，正交变换，正交基（DCT, DFT, DST……），系统构成，能量集中在
左上角的低频部分，右下角是高频部分
26、DCT变换（离散余弦变换）：主要思想，矩阵算法（一维、二维）
27、人眼对慢变化部分（低频部分）比细节部分（高频部分）更敏感、亮度比色度更敏
感，DCT需要对低频系数进行细量化，对高频系数粗量化
28、DCT行程编码：采用之字形扫描
29、基于DCT的编码系统：先解熵编码，再做量化，DCT本身不失真，是可逆变换
30、DCT的缺点：2点
31、JPEG采用的两种基本压缩算法：以DCT为基础的有损压缩、以预测技术为基础的
DPCM无损压缩
32、JPEG的4种运行模式：基于DCT的渐进编码模式、基于DCT的分级编码模式、基
于DCT的有损顺序编码模式、基于DPCM的无损编码模式（没有量化的）
33、颜色模型：RGB、HSL、YCbCr
34、视频帧的定义：图像组->图像->片->宏块（做运动搜索的单位）->块（做变换的单
位）
35、视频压缩：I帧（内帧）、单向预测真（P帧）、双向预测帧（B帧，不能作为其他
图像的参考帧）
36、I帧压缩：利用空间相关性压缩，类似JPEG算法
37、P帧压缩：参考过去的I帧图像或过去预测得到的P帧图像用运动补偿进行编码，
搜索门限、块搜索，基于块的运动矢量估计算法（块匹配法），次优搜索方法，二维对数搜索法，失真度量，累积投影度量，运动矢量校正，运动矢量编码
38、P帧编码时，编码器需要对每一个宏块做4个选择
39、B帧压缩：在预测时，既可使用前向预测方式，也可使用后向预测方式
40、B帧编码前需要做4个决定
41、视频压缩标准对比
42、传统的视频编码标准MPEG，H26x：不对称编码，编码复杂度在解码端的5-10倍
43、为什么要把复杂度转到解码端的4个原因
44、分布式编码的基本原理：Siepian-Wolf理论，Wyner-Ziv理论
45、实现方案：帧内编码-帧间解码系统：基于像素域的、基于变换域的（性能更好）
46、分布式视频编码的未来研究方向
47、转码技术概述：为何转码，如何转码（降空间分辨率转码，降时间分辨率转码，降
码率转码，容错性转码，实时性转码）
第三章数据融合
1、数据融合的三层含义：数据的全空间、数据的融合不同于组合、数据的互补过程
2、数据融合的实质、基本原理
3、数据融合的处理过程特点：复杂性、自适应性、歧义性、不完整性
4、数据融合的出现前提
5、数据融合的目的、应用特点
6、数据融合的时间性、空间性
7、数据融合的一般过程
8、体系结构：串联、并联、混合融合形式
9、数据融合的层次：数据级或像素级、特征级、决策级；信号级、证据级、动态级
10、像素级融合的局限性，特征级融合的分类（目标状态信息融合、目标特性融合），
决策级融合优点
11、常用算法：经典统计理论、Bayes估计理论、滤波跟踪型数据融合算法、神经网络
方法
12、物联网数据融合的意义和作用、需要解决的关键问题（节点选择、融合时机、融合
算法）、技术要求（稳定性、数据关联、能量约束、协议的可扩展性）
13、Bayes统计理论：经典统计理论的两个特征和不足，解决的两个关键问题（真值和
测量值），条件概率公式、全概率公式
14、基于Bayes估计的数据融合：置信距离和置信距离矩阵
15、基于Bayes估计的数据融合的一般步骤：4步
16、人工神经网络技术：主要用途，输入层、中间层（隐层）、输出层
17、决定神经网络性能的几个因素：层数、每层神经元数量、作用函数、目标函数和学
习算法、权值和阈值的初始值、训练数据
18、应用步骤：5步
19、感知神经网络特点：4点
20、感知神经网络的局限性：用于解决线性问题、作用函数为解约函数，主要用来解决
分类问题
21、线性神经网络特点：4点
22、线性神经网络学习规则：最小均方误差(LMS)，属于有导师学习算法
23、线性神经网络的局限性：只能反映线性映射关系、训练不一定能达到零误差、网络
的训练和性能受学习速率的影响
24、BP神经网络的特点：4点
25、BP神经网络的学习过程分两个阶段：输入已知学习样本，对权值和阈值进行修改
26、模式分类，单层感知机的局限性，用一个两层的网络解决异或的问题
27、函数逼近
28、反向传播算法：性能指数，均方误差，算法将调整网络参数使均方误差最小化；敏
感性的反向传播
29、BP算法的三步：通过网络将输入向前传播、通过网络将敏感性反向传播、使用近
似的最速下降法更新权值和偏置值
30、基于审计网络的数据融合举例！
31、Kalman滤波：确定性信号、随机信号
32、Kalman和Wiener滤波器的特点比较
33、Z = f(X, V)：X表示待测的n维状态向量、V表示m维观测噪声向量、Z表示利用测
量系统可测得M维观测向量
34、Kalman滤波是以最小均方误差为估计准则来寻求一套递推估计的算法
35、Kalman滤波的基本思想
36、系统模型的三种应用情况：估值滤波、预测滤波、平滑或插值滤波
37、Kalman滤波的缺点：维度较高，计算量较大；出现故障的危害较大，可靠性低
38、联邦滤波算法是常用的kalman滤波数据融合算法
39、Kalman滤波举例：车辆定位导航系统
40、WSN数据融合：WSN的特点，WSN中数据融合能节省网络的能量，与传统多传感
器数据融合的比较（稳定性、数据关联、能量约束），
41、WSN数据融合原理、特点（6点）
42、WSN数据融合模型：无损融合、有损融合
43、跟踪级融合模型：集中式结构、分布式结构
44、属性级融合模型：数据层属性融合结构、特征层属性融合结构、决策层属性融合结
构
45、基于多AGENT的数据融合模型
46、典型WSN数据融合算法：TAG(基于空间域的融合)，TINA，数据漏斗，AIDA
47、模型驱动的数据融合：小波和神经网络、卡尔曼滤波、概率模型等
——————————————————————————————————
48、图像融合：冗余信息和互补信息
49、图像融合的层次：像素级融合、特征级融合、决策级融合
50、图像融合的基本流程
51、图像配准原理、步骤（搜索空间、特征空间、搜索策略、相似性度量）
52、图像融合方法：空间域融合方法、变换域融合方法
53、空间域融合方法常用的融合规则：5条
54、颜色空间变换法：RGB-HIS变换法，Brovery变换法
55、小波变换法：一级和二级分解
56、小波变换融合规则：取最大值、加权平均法、方差协方差准则、梯度准则、局部能
量法
57、图像超分辨率，图像观察模型（降质过程），几何形变，模糊，下采样，图像超分
辨率重建，基于MAP的图像超分辨率
58、图像融合评价：主观评价、定量评价
59、图像融合发展方向：配准方法的研究、融合方法的研究、快速并行算法的研究
第四章数据存储及管理
1、物联网数据存储现状：元数据查询（允许点查询、范围查询、top-k查询和聚集查询）。
现存的系统一般采用DBMS来索引元数据，查询效率非常低
2、高效的元数据查询系统：满足五个特点
3、海量元数据查询需求分析：满足4个需求（最小资源需求、快速的元数据收集、快速可
扩展的索引查询和更新、易用的查询接口）
4、物联网元数据管理系统设计要求：高性能、查找和更新速度必须快且可靠、低的资源消
耗、接口灵活好用、良好的伸缩性及可用性
5、多维元数据组织结构：基于规则的分割方法（KD树、网格），基于数据的分割方法（R
树、Cell树等）
6、B树、B+、B-、B*树，R树的三个特点
7、Bloom Filter：本质是哈希计算，可能存在失误定位
8、RBF索引结构：解决R树不能支持点查询的缺点，将bloom filter插入到每个R树节点上
来支持点查询
9、R树的更新：自顶向下的模式，位置预测、容忍更新、延迟更新、批量操作
10、数据立方体：是多维数据库的基本结构，定义为一个四元组
析处理（OLAP）的主要对象
11、数据立方体的物化：即数据立方体的计算。预先计算任何方体（完全立方体物化）
的优点、缺点，不预先计算任何方体（不物化）的优缺点，部分物化的优缺点。
第五章数据挖掘
1、数据挖掘的定义和目的
2、数据挖掘的任务按功能分为：预测型任务、描述型任务
3、数据挖掘按实际应用分为：关联模式、分类模式、聚类模式、序列模式
4、分类预测：回归分析，建立回归方程。
5、分类预测任务中的数据集：训练集、测试集、验证集
6、聚类：定义，类内相似性尽可能大，类间相似性尽可能小
7、聚类的方法：划分聚类、层次聚类、基于密度的聚类，聚集通常作为DM的第一步
8、预测的方法和目的
9、序列模式发现：定义和目的
10、异常检测（回归、神经网络）
11、四代数据挖掘系统
12、知识挖掘的主要步骤：数据清洗、数据集成、数据转换、数据挖掘、模式评估、知
识表示
13、数据挖掘系统总体结构：数据库、数据库服务器、知识库、数据挖掘引擎、模式评
估模块、可视化用户界面
14、预处理数据：原因（数据不完整、含噪声、不一致），主要任务（数据清理、数据
集成、数据变换、数据规约、数据离散化）
15、数据清理：空缺值，如何处理空缺值，噪声数据，如何处理噪声数据（分箱、聚类、
回归）
16、数据集成：模式集成，检测并解决数据值的冲突，处理数据集成中的冗余数据
17、数据变换：平滑、聚集、数据概化、规范化、属性构造
18、数据规约策略：数据立方体聚焦、维规约、数据压缩、数值归约（直方图）、离散
化和概念分层产生（聚类和选样SRS）
19、数据离散化：三种属性值（名称型（无先后关系）、序数（有顺序关系）、连续值（实
数）），离散化、概念分层的含义，生成（分箱、直方图分析、聚类分析、通过自然划分分段），自然划分的3-4-5规则，属性集的规格
20、数据挖掘算法：分类（预测分类标号），预测（建立连续函数值模型）
21、数据分类两步过程：建立模型，描述预定数据类集和概念集（训练数据集，训练样
本），使用模型，对将来的或未知的对象进行分类
22、准备分类和预测的数据：数据清理、相关性分析、数据变换
23、比较分类方法：5个标准比较分类和预测的方法
24、用判定树归纳分类：判定树的构建、树剪枝，信息期望的减少（Gain = 信息期望-
平均信息期望），决策树的建立步骤（6步），主要看例子
25、贝叶斯分类、后向传播分类、其他分类方法（K最临近分类、遗传算法……）
26、预测和分类的异同
27、回归方法：线性回归、多元回归、非线性回归
28、评估分类法的准确性（保持方法、K-折交叉确认）、提高分类法的准确性（Bagging
技术、Boosting技术）
29、数据挖掘算法：聚类（簇、聚类分析，把一个给定的数据对象集合分成不同的簇），
常规应用（模式识别、空间数据分析、图像处理、经济学、WWW）
30、聚类方法性能评价：高的簇内相似性、低的簇间相似性，结果好坏取决于该聚类方
法采用的相似性评估方法及该方法的具体实现，N个特点……
31、两种数据结构：数据矩阵、差异度矩阵，用来评价聚类的质量
32、聚类分析中的数据类型：区间标度变量，二元变量，标称型、叙述型和比例型变量、
混合类型变量、融合类型变量
33、计算对象之间的相异度：明考斯基距离、曼哈坦距离、欧几里德距离
34、主要聚类方法：划分方法、分层方法、基于密度的方法、基于网格的方法、基于模
型的方法
35、数据挖掘算法：关联（关联规则，关联度量（支持度、可信度），关联规则挖掘（路
线图，挖掘频繁集），挖掘多层规则（自上而下深度优先，多层关联规则的变种））
36、多层关联：冗余过滤、深度优先、概念、挖掘多维关联的技术
37、序列模式挖掘：表示、主要算法（GSP、PrefixSpan的介绍和问题）
38、数据挖掘软件
39、RFID数据挖掘：6个特点，挖掘的3个方法（频繁路径序列挖掘（4点）、基于路
径的分类和聚类、异常分析）
关于加强本科课程教学大纲 制定和使用工作的规定 （2013-2014学年校政字13号） 第一章总则 第一条为有效落实本科人才培养路线图，进一步规范课程建设及其教学标准，加强课堂教学组织，改进课堂教学效果，不断提高教学质量，在现行《中国人民大学教师本科课堂教学规范》基础上，结合我校实际情况制定本规定。 第二条所有本科课程都应制定并使用教学大纲。各学院（系）、部（处）应根据人才培养目标、课程设置及课程教学基本要求，组织制定课程教学大纲，并根据教学需要定期组织对教学大纲进行修订和完善。 第二章大纲制定及修订 第三条任课教师应根据教学目标自觉编制课程教学大纲，经所在教研室等基层教学组织研究同意后，报学院（系）人才培养（教学）委员会讨论通过，由主管院长签字报教务处备案。
第四条同一门课程若开设多个课堂，原则上由课程负责人负责制定内容基本统一的教学大纲。若确为教学需要，经教研室等基层教学组织研究同意，在基本内容不变的前提下，不同课堂的任课教师可对大纲部分内容进行适当调整。 第五条学院（系）根据学科发展和教学需要，每隔3－4个学年，应自觉组织研究和调整专业课程体系，并要求对课程教学大纲作相应调整；教研室等基层教学组织每学年均应对相关教师的全部教学大纲进行讨论完善。 第六条体育部和其他教学单位组织开设的相关课程，亦需制定和定期修订教学大纲，经相关领域专家审核通过、主管领导签字后报教务处备案。 第三章大纲基本内容 第七条课程教学大纲应包括以下基本内容： （一）课程基本信息：包括课程中英文名称、课程编号、学分、课程性质、授课对象、先修课程要求以及课程教学目标、课程简介和学习要求等。 （二）任课教师及助教（如有配备）基本信息：包括教师姓名、职称、办公时间及地点、办公电话、邮箱地址；助教姓名、联系方式、助教办公（答疑或辅导）时间。 （三）课程基本内容：包括课程章节名称、主要内容及掌握程度、教学进度、每节课研究性学习要求（包括课前预习、课程
《文本数据分析》教学大纲 课程编号：071193B 课程类型：□通识教育必修课□通识教育选修课 □专业必修课 专业选修课 □学科基础课 总学时：48 讲课学时：32 实验（上机）学时：16 学分：3 适用对象：信息管理与信息系统专业（大数据应用） 先修课程：数据结构、数据库原理与应用、大数据分析算法 一、教学目标 文本数据分析是文本分析和挖掘数据的理论和方法，文本数据分析是信息管理与信息系统专业（大数据应用）重要的专业选修课。通过本课程的学习，将达到以下目标: 目标1：对文本数据分析的价值、意义和基本原理建立清晰和比较全面的认识； 目标2：掌握有关文本数据发掘、处理、建模和解释的基本原理和方法，了解和熟悉文本数据分析在社会科学研究、商业分析和公共管理等领域的实际案例； 目标3：熟悉文本数据挖掘的基本原理，提高分析文本数据的思维能力与计算能力，能够从事某社会和经济领域文本数据分析相关活动的组织、执行和实施。 二、教学内容及其与毕业要求的对应关系 （一）教学内容
本课程主要基于R语言讲授文本数据分析的原理、基本方法及常用软件。主要包括：常用文本挖掘技术及其基本流程；基于R软件详细讲授文本挖掘的主要方法，包括R软件的简介与安装，文本挖掘所需的基本R包，Facebook、微博、Twitter、网页等爬虫技术、数据预处理如断词、字词处理、语料库建立等，资料分析如关联分析、集群分析、主成份分析和聚类分析；基于MS SQLSever 讲授文本挖掘的实现技术，包括数据预处理技术，文本数据的导入、建立字词与词向量、建立训练集和测试集；基于MS SQL Sever讲授常用的文本数据挖掘方法，并进行图表分析；最后通过舆情分析、文献挖掘等案例进行实战练习。 （二）教学方法和手段 注重理论与实践相结合，采取实例教学法、小组教学法、模拟教学法等多种教学方法进行授课。重点强调案例教学锻炼学生解决实际问题的能力，并借助R 语言开发环境软件进行上机操作和实战练习。 （三）实践教学环节要求 要求学生在实验环节掌握文本数据分析的基本原理、思路及相关领域的实战应用。要求学生课后完成基于课堂和实验教学内容的扩展实践练习，进一步熟悉文本数据分析流程和技术方法，加强相关领域的实际应用场景练习。 （四）与毕业要求的关系 文本数据作为信息的重要载体在当今信息化社会扮演着重要的角色。作为信息管理与信息系统专业大数据应用方向的学生，学习和掌握文本数据分析相关知识、方法和技术，不仅是大数据时代下社会经济发展的需要，更是适应未来各个领域海量数据管理的必需技术和能力，符合该专业培养的基本要求。 三、各教学环节学时分配 教学课时分配
《数据分析与处理》课程教学大纲 一、课程基本信息 1．课程代码： 2．课程名称：数据分析与处理 3．课程英文名称： 4．课程类型：CC 5．授课对象：电子商务本科 6．开课单位：信息技术与商务管理系 7．教学时间安排：第2学期 8．先修课程：信息技术基础 9．并行课程： 10．后修课程：数据库原理与应用，动态网站设计基础，电子商务网站建设与管理，电子商务综合实训 11．学时安排： 二、课程教学目标及教学任务 （一）教学目标 1．教学目标的总体概括 既要能够掌握EXCEL的整体概念和基本操作步骤，又要掌握EXCEL在数据分析与处理方面的具体应用。 2．教学目标列表
（二）课程培养能力体系
（三）课程培养目标与课程内容映射表 见附件《数据库原理与应用课程培养目标与课程内容对应mapping图》。 （四）教学任务 实验报告：实验目的明确，实验内容完整，实验步骤正确，实验结论真实、准确，优秀学生能总结出系统的实验注意事项。 作业：作业内容正确，资料翔实，论证充分、有力，优秀学生能够提出鲜明的个人观点，同一问题能够给出简洁明了的答案，具有一定的创新性。 三、各单元教学内容及基本要求 第一部分数据的输入与编辑（2学时（讲课）+2学时课堂练习= 4课时） 教学内容： 1、数据输入的一般操作 2、特殊数据的快捷输入 3、有规律数据的序列输入法 4、设置有效性对输入数据审核 5、下拉式列表选择输入的设计 6、数据的编辑操作 教学重难点： 1、设置有效性对输入数据审核 2、下拉式列表选择输入的设计 教学目标： 1、掌握Excel基本的概念 2、掌握单元格及单元格区域简单数据的输入 3、掌握下拉式列表选择输入的设计 第二部分单元格数据的格式设置（1（讲课）+1（课堂练习）= 4课时） 教学内容： 1、单元格格式的一般设置 2、各种内置数字格式的使用 3、自定义数字格式的应用 4、条件格式化的应用 教学重难点： 1、自定义数字格式的应用
比对试验数据处理的3种方法 摘要引入比对试验的定义，结合两个实验室进行的一组比对试验数据实例，介绍比对试验数据处理的3种基本方法，即(:rubbs检验、F检验、t检验，并阐述三者关系。 在实验室工作中，经常遇到比对试验，即按照预先规定的条件，由两个或多个实验室或实验室内部 对相同或类似的被测物品进行检测的组织、实施和评价。实验室间的比对试验是确定实验室的检测能 力，保证实验室数据准确，检测结果持续可靠而进行的一项重要的试验活动，比对试验方法简单实用，广 泛应用于企事业、专业质检、校准机构的实验室。国家实验室认可准则明确提出，实验室必须定期开展 比对试验。虽然比对试验的形式较多，如:人员比对、设备比对、方法比对、实验室间比对等等，但如何 将比对试验数据归纳、处理、分析，正确地得出比对试验结果是比对试验成败的关键。 以下笔者结合实验室A和B两个实验室200年进行的比对试验中的拉力试验数据实例，介绍比对试验数据处理的3种最基本的方法，即格鲁布斯(Grubbs)检验、F检验、t检验。 1 数据来源情况 试样 在实验室的半成品仓库采取正交方法取样，样品为01. 15 mm制绳用钢丝。在同一盘上截取20 段长度为lm试样，按顺序编号，单号在实验室A测试，双号在实验室B测试。 试验方法及设备 试验方法见 GB/T 228-1987，实验室A : LJ-500(编号450);实验室B : LJ-1 000(编号2)。 测试条件 两实验室选择有经验的试验员，严格按照标准方法进行测试，技术人员现场监督复核，确认无误后 记录。对断钳口的试样进行重试。试验时两实验室环境温度(28 T )、拉伸速度(50 mm/min )、钳口距 离(150 mm)相同。 试验数据 测试得出的两组原始试验数据见表to 表1 实验室A,B试验数据
数据分析与处理答案 Prepared on 24 November 2020
一、简答题（5×2分， 共10分） 1、请解释质量控制图中三条主要控制线的意义：CL 、UCL 、LCL 未学，不考 2、请解释正交设计表“L 934” 这个符号所指代的意义。如果要做6因素4水平实验，应该选择以下哪一个正交表（不考虑交互作用）：L 1645，L 3249 L: 正交； 9：9行或9次实验； 3：3个水平 ； 4：4列或4个因素 选L 3249 二、计算题（90分） 1、某分析人员分别进行4次平行测定，得铅含量分别是、、、、，试分别用3s 法、Dixon 法和Grubbs 检验法判断是否为离群值。（，4=， ,5=）（12分） x =, s=, 3s 法：∣ 应保留 Dixon ：70.6360.08 0.89671.8560.08 Q -= =-> ,5=, 应舍去 Grubbs: G 计= 60.0868.455/5.61-=> ，4，应舍去· ·· 2、4次测定结果为：%、%、%、%，根据这些数据估计此样品中铬的含量范围（P=95%）（8分） ( 2.353%903,10.0=?=t P ， 3.182%9530.05=?=，t P ， 5.841%9930.01=?=，t P ) x =%, s=% 3、用一种新方法测定标准试样中的氧化铁含量（%），得到以下8个数 据：、、、、、、、。标准偏差为%，标准值为%问这种新方法是否可靠（P=95%，，7=）（10分）
x = 34.3034.33 1.770.048 t -==< ，7，所以新方法可靠 4、某小组做加标回收试验考查方法的准确性，测得加标前1000mL 样品浓度为L ，加入浓度为1000mg/L 的标准样品后，测得样品总浓度为L ，求回收率是多少。（8分） 没讲，不考 5、两分析人员测定某试样中铁的含量，得到如下结果： 已知A 的标准偏差s 1=，B 的标准偏差s 2=，请比较两个人测定结果的精密度和准确的有无显着性差异。（12分） F （,4,4）=， t （,8）= F==< F （,4,4）,故精密度无显着性差异 t=< t （,8）,故准确度无显着性差异 5. 拟考察茶多酚浓度、浸泡时间、维生素C 等3个因素对米粉保鲜效果的影响，实验因素水平表如下表。 请完成下列正交表格，并指出各因素的主次顺序，求出最优水平组合，并做方差分析，填方差分析表，并对实验结果做出讨论（可结合因素指标变化图）。（25分）
电子表格中的数据处理（教案） 教学科目:计算机应用基础授课人:何庆宇 教学地点:4号机房（四楼）教学对象:机电1201班 教学课题:电子表格中的数据处理教学时数: 2课时（两节连上）教学目标 一、知识目标 1、掌握并熟练的运用一般的函数公式； 2、掌握基本的数据排序功能，了解复杂的排序操作； 3、掌握数据的自动筛选，能对数据进行简单的筛选； 4、掌握数据的高级筛选。 二、能力目标 1、培养学生自主学习、协作学习的能力； 2、培养学生的动手操作、综合实践的能力； 3、培养学生的信息处理能力。 三、德育目标 培养学生尊重科学、应用科学的意识。 教学重点: 1、数据处理中的公式应用 2、基本的数据排序 3、数据的自动筛选和高级筛选 教学难点: 1、数据的复杂排序 2、数据的多条件自动筛选 3、数据的高级筛选 教学方法：演示教学法、实践教学法、任务驱动法 教学过程： [复习引入]
前面我们已经学习了对电子表格的行列、单元格格式、表格边框线、批注、打印标题等的设置，这些都是针对工作簿的基本操作，而接下来我们要学习的是如何对电子表格中的数据进行处理。今天我们先来学习掌握公式应用、数据排序、数据的自动筛选和高级筛选这四个基本操作。 [讲授新课] （一）应用公式 1．常用函数公式 ①求和 ②平均值 ③计数 ④最大值 ⑤最小值 2．公式的创建 老师：结合教材中的例子7.1，通过教学平台中的广播软件向学生演示在电子表格教学课件7-1的sheet1中创建公式的过程，边讲边操作。 求和公式——演示步骤： （1）单击需要填充内容的单元格； （2）单击编辑栏中的倒三角按钮，选择“求和”后，选取所要求和的数据区域，按下enter键。 注意：当我们选取单元格区域C2:G3（如图：）时，Excel会默认所选取行区域的最后一个空白单元格作为放置接下来操作所得数据的位置，单击快捷编辑栏中的倒三角按钮，在下拉菜单中选取“求和”，此时出现的效果和上述是一样。 求平均值——演示步骤： （1）单击需要填充内容的单元格，如右图所示 （2）单击编辑栏中的倒三角按钮，选择“平均值”后，选取所要 求平均值的数据区域，按下enter键。 老师：请学生在电子表格7-1的sheet1中演示求和与求平均值的步
西南石油大学本科专业课程（实验项目）教学大纲 编写规范 一、基本要求 1、教学大纲应有利于指导教师组织教学，有利于指导学生的学习，能成为教材选用及编写、课堂教学、学生学业检查和成绩评定以及教师教学质量评估的重要依据和标准。 2、教学大纲应以专业培养目标为导向，以实现课程教学目的为目标，以学生应掌握的知识体系、培养的能力、具备的素质为主线，科学规划课程的教学内容和搭建课程的知识结构体系，合理安排课程的教学进度。避免局限于一本教材或参考书进行编写。其中，有国家指导意见的课程，应在国家指导意见的基础上，结合学校办学特色和定位进行编写。 3、各教学单位应组织各教研室或课程教学团队认真学习学校有关教学大纲修订的要求及本审定意见，研讨课程教学内容，达成共识，并按照相关规定和要求进行编写。 4、教学大纲的语言应简明扼要，教学内容的层次及逻辑顺序清楚，重点明确，难点准确，学时分配合理；如对教学方式方法有建议，可进行总体阐述或在各部分中阐述。 5、课程教学大纲的格式符合统一规范。字体、字号规格统一。文本表述要简明扼要、科学规范、层次清楚，杜绝错别字。正式文稿应删除课程不需要的多余栏目（即该大纲未涉及或无内容的栏目）。 二、理论（含实验）课程、实践课程教学大纲编写要求 1、基本信息 应准确、完整的填写课程的各项信息，并符合学校的有关规定。 （1）中文名称、课程编码：必须与“教务系统”中培养方案所开课程匹配，且相互统一。 （2）英文名称：按照国际标准，科学、规范、准确翻译中文课程名。 （3）开课学院：教学单位全称。未纳入学院的教研室则填写教研室名。 （4）属性：选择填写“理论”、“实验”、“实习”、“课程设计”、“毕业设计”之一。以理论授课为主的课程为“理论”类课程，以实验授课为主的课程为“实验”类课程。
《数据分析与建模教学大纲》课程教学大纲 课程代码：030742003 课程英文名称：Data Analysis and Modeling 课程总学时：48 讲课：40 实验：8 上机：0 适用专业：电子信息科学与技术 大纲编写（修订）时间：2011.9 一、大纲使用说明 （一）课程的地位及教学目标 数据分析与建模是一门综合运用分析、试验、量化的手段对生产实践、科学研究、军事工程等各种实际问题建立数学模型并进行求解的应用数学。它系统地介绍数学模型、数学建模和建模过程中的常用方法与实例，为学生今后各专业课程的学习和工作时间打下必不可缺的专业基础。 通过本课程的学习，学生将达到以下要求： 1．掌握数学模型的基本思想、方法与技巧。 2．学会正确的分析、归纳的思维方式和思考习惯，能够根据各种实际问题的不同情况采取不同方法建立数学模型。 3．运用所学的知识和技巧进行数学模型的求解、分析、检验与评价。 4．掌握有关计算机软件的使用，提高解决复杂问题的能力。 （二）知识、能力及技能方面的基本要求 1.基本知识：学生应掌握与建模相关的数学和计算机软件知识。 2.基本理论和方法：掌握线性规划与非线性规划、无约束最优化、微分方程、最短路问题、数据统计描述与分析、回归分析、计算机模拟以及插值与拟合等建模与求解的基本理论和方法。 3.基本技能: 掌握一定的解决实际建模问题的能力，能熟练运用计算机与相关软件并具备相关的编程计算技能，掌握撰写数据分析与建模论文或报告的能力。 （三）实施说明 1．教学方法：课堂讲授中要重点对基本概念、基本方法和解题思路的讲解；采用启发式教学，培养学生思考问题、分析问题和解决问题的能力；引导和鼓励学生通过实践和自学获取知识，培养学生的自学能力；增加讨论课，调动学生学习的主观能动性；注意培养学生提高利用各种媒体获取技术资料的能力。讲课要联系实际并注重培养学生的创新能力。 2．教学手段：在教学中采用电子教案、CAI课件及多媒体教学系统等先进教学手段，以确保在有限的学时内，全面、高质量地完成课程教学任务。 3．教学实施：教师在授课时可根据实际情况酌情安排各部分学时，后面的课时分配可供参考；可自行安排讲授的章节顺序，使之更符合学生的实际。 （四）对先修课的要求 学生应在学习《C语言程序设计》、《高等数学1》、《高等数学2》、《线性代数》、《概率论与数理统计》、《数值分析》、《离散数学》等课程之后学习《数据分析与建模》。 （五）对习题课、实验环节的要求 1．对重点、难点章节应安排习题课，例题的选择以培养学生消化和巩固所学知识，用以解决实际问题为目的。对于学生完成的习题要检查改错。对每种建模方法，要让学生上机实践并给予指导，使学生确切掌握要领，付诸应用。学生在上机过程中可以采用MATLAB、
讲座 实验误差及数据处理 教学要求 1、了解实验误差及其表示方法； 2、掌握了解有效数字的概念，熟悉其运算规则； 3、初步掌握实验数据处理的方法。 重点及难点 重点：实验误差及其表示方法；有效数字；实验数据处理。 难点：有效数字运算规则；实验数据的作图法处理。 教学方法与手段 讲授，ppt演示。 教学时数 4学时 教学内容 引言 化学实验中经常使用仪器对一些物理量进行测量，从而对系统中的某些化学性质和物理性质作出定量描述，以发现事物的客观规律。但实践证明，任何测量的结果都只能是相对准确，或者说是存在某种程度上的不可靠性，这种不可靠性被称为实验误差。产生这种误差的原因，是因为测量仪器、方法、实验条件以及实验者本人不可避免地存在一定局限性。 对于不可避免的实验误差，实验者必须了解其产生的原因、性质及有关规律，从而在实验中设法控制和减小误差，并对测量的结果进行适当处理，以达到可以接受的程度。 一、误差及其表示方法 1.准确度和误差 ⑴准确度和误差的定义 准确度是指某一测定值与“真实值”接近的程度。一般以误差E表示， 丘=测定值-真实值 当测定值大于真实值，E为正值，说明测定结果偏高；反之，E为负值，说明测定结果偏低。误差愈大，准确度就愈差。
实际上绝对准确的实验结果是无法得到的。化学研究中所谓真实值是指由有
经验的研究人员同可靠的测定方法进行多次平行测定得到的平均值。以此作为真实值，或者以公认的手册上的数据作为真实值。 ⑵绝对误差和相对误差 误差可以用绝对误差和相对误差来表示。 绝对误差表示实验测定值与真实值之差。它具有与测定值相同的量纲。如克、毫升、百分数等。例如，对于质量为O.IOOOg的某一物体。在分析天平上称得其质量为0.1001g，则称量的绝对误差为+0.0001g。 只用绝对误差不能说明测量结果与真实值接近的程度。分析误差时，除要去除绝对误差的大小外，还必须顾及量值本身的大小，这就是相对误差。 相对误差是绝对误差与真实值的商，表示误差在真实值中所占的比例，常用百分数表示。由于相对误差是比值，因此是量纲为1的量。 例如某物的真实质量为42.5132g,测得值为42.5133g。贝U 绝对误差=42.5133g — = 0.0001g 相对误差二42.5133g 42.5132g 伽0。10 4 00 42.5132g 而对于0.1000g物体称量得0.1001g，其绝对误差也是0.0001g，但相对误差为： 相对误差二°.1001g °. 1000g 100% 0.1% 0.1000g 可见上述两种物体称量的绝对误差虽然相同，但被称物体质量不同，相对误差即误差在被测物体质量中所占份额并不相同。显然，当绝对误差相同时，被测量的量愈大，相对误差愈小，测量的准确度愈高。 2.精密度和偏差 精密度是指在同一条件下，对同一样品平行测定而获得一组测量值相互之间彼此一致的程度。常用重复性表示同一实验人员在同一条件下所得测量结果的精密度，用再现性表示不同实验人员之间或不同实验室在各自的条件下所得测量结果的精密度。 精密度可用各类偏差来量度。偏差愈小，说明测定结果的精密度愈高。偏差可分为绝对偏差和相对偏差： 绝对偏差二个别测得值-测得平均值 相对偏差％ =绝对偏差/平均值x 100 偏差不计正负号。 3.误差分类 按照误差产生的原因及性质，可分为系统误差和随机误差。 ⑴系统误差
《大数据处理与云计算》教学大纲 课程类别：专业教育课课程名称：大数据处理与云计算 开课单位：信息与通信工程学院课程编号：N03050703 总学时：40 学分：2.5 适用专业：信息工程专业 先修课程：无 一、课程在教学计划中的地位、作用 大数据处理与云计算是信息工程专业高年级学生开设的一门专业教育课。本课程主要学习大数据处理和云计算的相关原理和技术，根据实际需求，构建相应的大数据处理和云计算平台框架。 通过本课程学习，使学生掌握大数据的采集、传输、处理和应用的技术，了解Hadoop 分布式系统基础架构，掌握HDFS和MapReduce技术。了解HBase、Hive、Zookeeper、Avro、Pig等相关大数据技术，与实际工程应用相结合，构建相应的云计算平台。教学应当结合实际实验条件，培养学生实践动手能力，了解大数据技术发展现状，促进大数据相关教学改革。 二、课程教学内容、要求及学时分配 第一章大数据与云计算概况 1、了解大数据概念 2、了解大数据的产生、应用和作用 3、了解云计算技术的概述 4、了解云计算的特点及技术分类 5、了解大数据与云计算、物联网之间的关系 第二章大数据处理与云计算的关键技术 1、理解大数据处理的基本流程 2、掌握大数据的关键技术 3、理解大数据的处理工具 4、了解大数据面临的挑战 5、理解云计算及关系型数据库 第三章 Hadoop 1、了解Hadoop概述 2、了解Hadoop发展简史 3、理解Hadoop的功能与作用
4、了解Hadoop的优缺点 5、了解Hadoop的应用现状和发展趋势 6、掌握Hadoop项目及其结构 7、掌握Hadoop的体系结构 8、掌握HDFS的体系结构 第四章 MaReduce 1、理解分布式并行编程 2、理解MapReduce模型概述 3、掌握Map和Reduce函数 4、掌握MapReduce工作流程 5、掌握并行计算的实现 6、掌握新的MapReduce框架：Yarn 7、理解新旧Hadoop MapReduce框架的对比 第五章 HDFS 1、理解HDFS的假设与目标 2、理解HDFS的相关概念 3、掌握HDFS体系结构 4、掌握HDFS命名空间 5、掌握HDFS存储原理 6、掌握通讯协议 7、理解数据错误和异常 8、理解从HDFS看分布式文件系统的设计需求第六章 Zookeeper 1、了解Zookeeper简介 2、掌握Zookeeper的工作原理 3、理解Zookeeper的数据模型 第七章 HBase海量实时处理实战技巧 1、理解HBase简介和架构 2、掌握HBase核心知识点 3、掌握HBase高级应用
东北农业大学本科实验课程教学大纲 植物抗病性原理实验 Experiments of Principle in Resistance of Plant Disease 一、理论课程（或实验课程）课号： 适用专业：植保(植)、植保(农药) 理论课程总学时：40 实验总学时（周学时）：16（4） 学分：0.5 开出实验个数：7（验证实验 5 个；综合实验 1 个；设计实验 1 个；创新性实验个）（选修4个） 应开实验学期：第7学期 二、实验课程简介 植物抗病性原理实验是以植物抗病性机制，植物病原物的寄生专化性及其变异，植物抗病性遗传和变异，植物抗病性鉴定为方要研究内容，通过实验的方法，了解植物体的各种抗病因子在抗病中所起的作用，结合理论教学，使学生更加深刻的了解植物抗病性的原理。 实验课程的特点，发展现状 三、实验教学目标及基本要求 通过该项实验，使学生掌握重要植物本身结构与形态特征、植物本身含有的物理化学物质、病原菌的变异、品种间的不同抗病性等与抗病相关的因素在实际中是如何作用的，为将来如何控制病害，更好的进行病害防治与研究打下良好的基础。要求学生有一定的植物病理知识、实验技能和植物抗病性的理论知识支持。 四、教材及主要参考书（2000年后出版的书籍） （一）教科书 1．植物免疫学李振岐主编中国农业出版社1995年 2．《植物抗病性原理实验指导》李永刚主编东北农业大学统编教材2004年（二）参考书 1、《植病研究方法》（第三版）方中达主编中国农业出版社1997年 五、考核办法 本实验采用百分制考核，其中实验操作中表现及出勤占总成绩的20%，实验报告占总成绩的80%。 大纲主撰人：杨明秀 （一）实验项目1 木栓化在植物抗病性中的作用（必修） 1.实验特点 实验类型：验证实验类别：专业基础计划学时：4 每组人数：5~6
误差理论与数据处理 （Accuracy Theory and Data Analyses） 课程编号：（根据选课系统中编号填写） 学分：3 学时：45 （其中：讲课学时：39 实验学时：6 上机学时：） 先修课程：概率论与数理统计、测试技术、信号分析和处理 适用专业：测控技术与仪器 教材：《误差理论与数据处理》，费业泰，机械工业出版社，2010.5 开课学院：机械工程学院 一、课程的性质与任务 《误差理论与数据处理》是高等学校测控技术及仪器专业必修的专业基础课，也可作为机械类专业、信息类专业和其它有关专业本科生、研究生的必修课或选修课。通过本课程的学习，培养学生掌握测试与实验数据处理的基本理论与方法，正确估计被测量的值，科学客观地评价测量结果，并根据测试对象的精度要求，对测试与实验方法进行合理设计，为后续专业课程及实验环节奠定理论基础。 二、课程对毕业要求及其指标点的支撑 1. 本课程支撑专业培养计划中毕业要求5和毕业要求6； 2. 本课程支撑专业培养计划中毕业要求5中的指标点1：了解与本专业相关职业和行业的法律基础知识，占该指标点达成度的30%； 3. 本课程支撑专业培养计划中毕业要求5中的指标点3：能正确认识工程对于客观世界和社会的影响，把握国内外测量控制与仪器相关的标准、规范和技术变化，占该指标点达成度的20%； 4. 本课程支撑专业培养计划中毕业要求6中的指标点3：能够对测控系统和仪器工程的实验结果进行数据分析，占该指标点达成度的30%。 三、课程的内容及要求 第一章绪论 1. 教学内容 （1）研究误差的意义
（2）误差的基本概念 A. 误差的定义及表示法 B. 误差来源 C. 误差分类 （3）精度 A. 精度的基本概念 B．量值的传递、标准与准确度等级 （4）有效数字与数据运算 A. 有效数字 B. 数字舍入规则 C. 数据运算规则 2. 知识、能力与素质等方面的基本要求 （1）了解并掌握误差的基本概念，包括误差的定义、来源及分类等； （2）了解精度的基本概念及其不同的表示方法，了解量值传递、标准与准确度等级的概念及相关法规等方面的知识； （3）掌握有效数字含义、数字的舍入准则与数据运算规则，能根据精度要求准确表达测量数据 3. 重难点 （1）能正确分析误差来源； （2）测量误差按误差性质的分类处理； （3）能准确表示有效数字； （4）了解量值传递、标准与准确度等级的概念及相关法规 第二章误差的基本性质与处理 1. 教学内容 （1）随机误差 A．随机误差的产生原因 B．正态分布 C．算术平均值及测量标准差 D．测量的极限误差 E．不等精度测量 F．随机误差的其他分布 （2）系统误差 A．系统误差的产生原因 B．系统误差的特征
第三章 误差和分析数据的处理 作业及答案 一、选择题(每题只有1个正确答案) 1. 用加热挥发法测定BaCl 2·2H 2O 中结晶水的质量分数时，使用万分之一的分析天平称样0.5000g ，问测定结果应以几位有效数字报出？( D ) [ D ] A. 一位 B. 二位 C .三位 D. 四位 2. 按照有效数字修约规则25.4507保留三位有效数字应为( B )。 [ B ] A. 25.4 B. 25.5 C. 25.0 D. 25.6 3. 在定量分析中，精密度与准确度之间的关系是( C )。 [ C ] A. 精密度高，准确度必然高 B. 准确度高，精密度不一定高 C. 精密度是保证准确度的前提 D. 准确度是保证精密度的前提 4. 以下关于随机误差的叙述正确的是( B )。 [ B ] A. 大小误差出现的概率相等 B. 正负误差出现的概率相等 C. 正误差出现的概率大于负误差 D. 负误差出现的概率大于正误差 5. 可用下列何种方法减免分析测试中的随机误差( D )。 [ D ] A. 对照实验 B. 空白实验 C. 仪器校正 D. 增加平行实验的次数 6. 在进行样品称量时，由于汽车经过天平室附近引起天平震动产生的误差属于( B )。 [ B ] A. 系统误差 B. 随机误差 C. 过失误差 D. 操作误差 7. 下列表述中，最能说明随机误差小的是( A )。 [ A ] A. 高精密度 B. 与已知含量的试样多次分析结果的平均值一致 C. 标准偏差大 D. 仔细校正所用砝码和容量仪器 8. 对置信区间的正确理解是( B )。 [ B ] A. 一定置信度下以真值为中心包括测定平均值的区间 B. 一定置信度下以测定平均值为中心包括真值的范围 C. 真值落在某一可靠区间的概率 D. 一定置信度下以真值为中心的可靠范围 9. 有一组测定数据，其总体标准偏差σ未知，要检验得到这组分析数据的分析方法是否准确可靠，应该用( C )。 [ C ] A. Q 检验法 B. G(格鲁布斯)检验法 C. t 检验法 D. F 检验法 答：t 检验法用于测量平均值与标准值之间是否存在显著性差异的检验------准确度检验 F 检验法用于两组测量内部是否存在显著性差异的检验-----精密度检验 10 某组分的质量分数按下式计算：10 ???= m M V c w 样，若c =0.1020±0.0001，V=30.02±0.02， M=50.00±0.01，m =0.2020±0.0001，则对w 样的误差来说( A )。 [ A ] A. 由“c ”项引入的最大 B. 由“V ”项引入的最大
有人形容高尔夫的18洞就好像人生，障碍重重，坎坷不断。然而一旦踏上了球场，你就必须集中注意力，独立面对比赛中可能出现的各种困难，并且承担一切后果。也许，常常还会遇到这样的情况：你刚刚还在为抓到一个小鸟球而欢呼雀跃，下一刻大风就把小白球吹跑了；或者你才在上一个洞吞了柏忌，下一个洞 你就为抓了老鹰而兴奋不已。 Excel表格处理及数据处理的高级应用 一、公式 公式是用户自己定义的数学表达式。 ?Excel的计算功能可以通过公式来完成 ?公式以等号开头，由运算符和运算对象组成，例如： =10+12 =A1+C6 =A1*B2 =(10+A5)/2 思考：1、如果公式计算机没有以等号开头将是什么结果？ 2、如果在EXCEL中用公式计算机结果放B3单元格中，输入公式=A3-B3将出现什么结果？ 。 动手做一做：如下图所示，求出每位同学的总分及平均分
有人形容高尔夫的18洞就好像人生，障碍重重，坎坷不断。然而一旦踏上了球场，你就必须集中注意力，独立面对比赛中可能出现的各种困难，并且承担一切后果。也许，常常还会遇到这样的情况：你刚刚还在为抓到一个小鸟球而欢呼雀跃，下一刻大风就把小白球吹跑了；或者你才在上一个洞吞了柏忌，下一个洞 你就为抓了老鹰而兴奋不已。 ?具体操作 选中单元格E2，输入=B2+C2+D2 后回车 选中单元格E2 ，向下填充到E15 求平均分怎么做呢？请同学们自行做一做。 二、函数 ?什么是函数？ 如下图所示，若求出所有数字的和，在A8单元格中输入：=A1+A2+A3+A4+A5+A6+A7 ?如果上例中的数字更多，公式会更长。为此Excel引入了函数，使用函数可以方便的解决上述问题
《分析化学实验》本科课程实验教学大纲 一、课程基本信息 课程名称：分析化学实验 英文名称：Analytic Chemistry Experiments 课程编号：A081530 课程性质：专业基础课 课程属性：独立设课 适用专业：化学专业、应用化学专业 学时学分：课程总学时：42；课程总学分：1.5；实验课总学时：42 ；实验课总学分：1.5（化学专业）。课程总学时：42；课程总学分：1.5；实验课总学时：42 ；实验课总学分：1.5（应用化学专业）。 开设学期：第二学期 先修课程：无机化学、无机化学实验、分析化学 二、课程简介 分析化学实验是高等师范学校化学专业的一门基础课程。它即是一门独 立的课程，又是与分析化学理论课紧密配合的课程。分析化学实验主要内容 为定量分析实验，重点学习滴定分析法（酸碱滴定、配位滴定、氧化还原滴定、沉淀滴定）的实验原理及基本操作技能。 本课程需完成10个实验项目，大纲共安排实验项目12个：基本操作实验2个、验证实验8个、综合实验2个。12个实验中必做实验8个，选做实验4个,选做实验由学生任选其中2个实验合计组成10个实验。在授课结束后对实验方法、基本操作技能等内容进行考核，要求学生按时、独立完成全部内容。合计42学时。 三、实验课程目的与要求 学习本门课程的目的：使学生学习和掌握分析化学的基本原理、基本知识、
基本操作技能和典型的分析测定方法，树立“量”的概念，加深分析化学〈定量〉理论部分基本原理和基础知识的理解。为学习后续课程和将来从事化学教学和科研工作打下良好的基础。 学习本门课程的要求：为了完成本实验教学任务，要求学生认真做好实验前的预习工作，必须写好实验预习报告，明确各个实验的原理和实验内容，加深对分析化学基本概念和基本理论的理解，在实验中做到心中有数。学会正确合理的选择实验条件和实验仪器,掌握天平、滴定管、移液管、容量瓶等基本仪器的使用，正确处理实验数据,保证实验结果准确可靠。培养学生清洁整齐、有条不紊的良好实验习惯,实事求是的科学态度以及严谨细致地进行科学实验的技能、技巧和创新能力，使学生初步具有分析问题和解决问题的能力。 四、考核方式 1、考核方式：考查 2、实验成绩根据实验技能操作考核成绩（30%）、加平时实验综合成绩（70%）为实验课程总成绩。 实验技能操作考核成绩：授课结束后对实验方法、基本操作技能等内容进行考核。 平时实验综合成绩：平时成绩30%：包括实验预习、实验操作、纪律考勤等各个环节中的表现综合评定。实验报告40%：实验报告要写明实验目的、实验原理、实验现象、实验结果（应包含数据处理、误差分析）。 最终成绩按优秀、良好、中等、及格和不及格五级评定。 五、实验项目、学时分配情况
《GNSS测量与数据处理》课程改革教学大纲 一、课程的性质和目的 《GNSS测量与数据处理》是测量工程专业的主要专业必修课之一。通过这门课的学习，要使学生了解GPS全球定位系统的构成、时空基准、卫星定轨基础理论，掌握GNSS定位数学模型、定位方法和误差源分类等原理，掌握GNSS控制网的技术设计、施测方法及其数据处理、软件操作过程等，了解GNSS技术的最新发展与应用。 通过讲座教师的课程模块的讲座、助教安排研讨、指导撰写论文、主持小组论文报告和讲座教师组织课程论文报告、实验及生产实践，使学生在毕业后能独立承担GNSS控制网的技术设计和组织外业测量、内业数据处理等工作。通过本课程的各教学环节，培养学生的专业文献检索、独立思考、合作交流、测绘案例分析与解决能力。为专业的研究深造、社会就业奠定专业基础。 二、课程的基本要求 1．理解GNSS的系统组成及各部分功能； 2．了解GNSS的应用领域； 3．理解GNSS测量的坐标系统和时间系统； 4．理解卫星运动的基础知识及GPS信号； 5．掌握GNSS定位方法、数学模型及其线性化 6. 掌握GNSS的误差来源及其削弱方法； 7．掌握GNSS控制网的技术设计、网点布设、观测方法，并运用相关知识达到能够撰写技术设计书和技术总结报告的能力； 8．掌握GPS数据处理的一般步骤和RINEX格式； 9．理解GPS基线解算、周跳探测等预处理工作； 10．掌握GPS坐标系统之间的关系与转换； 11. 掌握GPS控制网的二维、三维平差计算，并综合运用GNSS数据处理方法和程序设计能力，达到熟练操作GNSS数据处理软件的能力，能够对观测数据进行数据处理与精度评定；
数据分析师常见的7道笔试题目及答案 导读：探索性数据分析侧重于在数据之中发现新的特征，而验证性数据分析则侧重于已有假设的证实或证伪。以下是由小编为您整理推荐的实用的应聘笔试题目和经验，欢迎参考阅读。 1、海量日志数据，提取出某日访问百度次数最多的那个IP。 首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个2^32个IP。同样可以采用映射的方法，比如模1000，把整个大文件映射为1000个小文件，再找出每个小文中出现频率最大的IP(可以采用hash_map 进行频率统计，然后再找出频率最大的几个)及相应的频率。然后再在这1000个最大的IP 中，找出那个频率最大的IP，即为所求。 或者如下阐述： 算法思想：分而治之+Hash 地址最多有2^32=4G种取值情况，所以不能完全加载到内存中处理; 2.可以考虑采用“分而治之”的思想，按照IP地址的Hash(IP)24值，把海量IP 日志分别存储到1024个小文件中。这样，每个小文件最多包含4MB个IP地址; 3.对于每一个小文件，可以构建一个IP为key，出现次数为value的Hash map，同时记录当前出现次数最多的那个IP地址; 4.可以得到1024个小文件中的出现次数最多的IP，再依据常规的排序算法得到总体上出现次数最多的IP; 2、搜索引擎会通过日志文件把用户每次检索使用的所有检索串都记录下来，每个查询串的长度为1-255字节。 假设目前有一千万个记录(这些查询串的重复度比较高，虽然总数是1千万，但如果除去重复后，不超过3百万个。一个查询串的重复度越高，说明查询它的用户越多，也就是越热门。)，请你统计最热门的10个查询串，要求使用的内存不能超过1G。 典型的Top K算法，还是在这篇文章里头有所阐述， 文中，给出的最终算法是： 第一步、先对这批海量数据预处理，在O(N)的时间内用Hash表完成统计(之前写成了排序，特此订正。July、第二步、借助堆这个数据结构，找出Top K，时间复杂度为N‘logK。 即，借助堆结构，我们可以在log量级的时间内查找和调整/移动。因此，维护一个K(该题目中是10)大小的小根堆，然后遍历300万的Query，分别和根元素进行对比所以，我们最终的时间复杂度是：O(N) + N’*O(logK)，(N为1000万，N’为300万)。ok，更多，详情，请参考原文。 或者：采用trie树，关键字域存该查询串出现的次数，没有出现为0。最后用10个元素的最小推来对出现频率进行排序。 3、有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存限制大小是1M。返回频数最高的100个词。 方案：顺序读文件中，对于每个词x，取hash(x)P00，然后按照该值存到5000个小文件(记为x0，x1，…x4999)中。这样每个文件大概是200k左右。 如果其中的有的文件超过了1M大小，还可以按照类似的方法继续往下分，直到分解得到的小文件的大小都不超过1M。 对每个小文件，统计每个文件中出现的词以及相应的频率(可以采用trie树 /hash_map等)，并取出出现频率最大的100个词(可以用含 100 个结点的最小堆)，并把100
东北农业大学本科实验课程教学大纲-THEOL 网络教学综合 实验课名称：仪器分析实验 实验课英文名称：Instrumental Analysis Experiments 一、实验课程课号：20610038j 适用专业：动药、粮食 实验总学时（周学时）：32（4） 学分：1 开出实验个数：（验证实验1 个；综合实验6 个；设计实验1个）应开实验学期：与理论课同步开设 二、实验课程简介 仪器分析实验是一门理论和实践紧密结合的、培养学生实践技能和动手能力的实验课程。本课程的要紧内容包括：可见分光光度计、紫外分光光光度计、原子吸取分光光度计、火焰光度计、红外光谱仪、荧光分光光度计、自动电位滴定仪等仪器。通过仪器分析实验课程的学习，学生可熟练把握常用仪器分析方法的原理和仪器的简单结构；使学生初步具有按照分析的目的，结合学到的各种仪器分析方法的特点和应用范畴，选择适宜的分析方法的能力。课程的改革以实验为中心，加大对学生理论知识和动手能力的培养；并与科学研究结合，研究进行开放式实验教学，培养学生创新能力，更好地发挥和挖掘学生的潜力，促进学生自主能力的进展。改变过去实验教师与学生“牵着走”的关系，而改为“引着走”，和“自己走”，满足不同层次学生的需要。采纳素养、能力、过程、结果相统一的方法。注重过程，强调实验素养，注重动手能力及实验技能。 三、实验教学目标及差不多要求 学习并把握化学实验中的差不多操作技能，培养学生正确进行实验操作，以取得正确可靠的实验结果数据的能力；培养学生观看现象、分析判定和逻辑推理的能力及正确记录、处理数据和综合表达实验结果的能力。要求学生严格遵照实验室的操作规程来完成实验，实验前务必对实验内容进行预习，以保证实验课的教学成效。
《数据分析方法与软件》课程教学大纲课程类型：选修课程代码：课程总学时：64 总学分： 2 实验课程性质：非独立课程实验学时： 32 实验学分： 课程类别：专业课适用专业：计信本 开课时间： 04 年级 6 学期开课单位：计算机学院 大纲执笔人：彭平大纲审定人： 一、实验课程名称： 数据分析方法（Methods of Data Analysis with software） 二、课程简介 数据分析是分析和处理数据的理论和方法，从中获取有用的信息。数据作为信息的重要载体在当今信息化社会扮演着重要的角色。信息与计算科学专业则主要研究信息技术的核心基础与运用现代计算机工具高效求解科学与工程问题的数学理论与方法。基于这一专业定位，信息与计算科学可包括信息科学与科学计算两个大的方向。而信息科学可以理解为“有关信息获取、信息传输、信息处理与信息控制基础的科学”。数据分析正是信息科学的重要专业基础课程。 三、适用专业与学时学分： 1．信息与计算科学课程总学时：64；总学分：4实验32学时 四、教学目的和内容要求 通过本课程的学习，使学生对数据分析方法的基本原理有系统的理解，掌握利用专业软件进行数据统计分析的方法和步骤。培养学生应用计算机进行统计分析的能力，为后续课程的学习以及解决实际问题打下良好的基础， 1、通过本课程的学习与实践，掌握数据分析的基本原理和统计软件SPSS系统基本用法。
2、通过本课程的学习与实践，能够对数据进行描述性统计分析，熟练使用SPSS软件内部函数，并能分析所得结果。 3、通过本课程的学习与实践，加深对数据分析方法的基本理论（回归分析、方差分析、聚类分析、判别分析等）的理解，掌握统计软件的各个操作方法和步骤，并能结合具体问题和相关知识对计算结果给出合理的解释。 主要内容： 五、实验课程内容及要求