学生学号0120801080128 实验课成绩
学生实验报告书
实验课程名称材料成型数值模拟设计实验
开课学院材料学院
指导教师姓名朱春东、钱东升
学生姓名王丹丹
学生专业班级成型0801
2011-- 2012学年第一学期
实验教学管理基本规范
实验是培养学生动手能力、分析解决问题能力的重要环节；实验报告是反映实验教学水平
与质量的重要依据。为加强实验过程管理，改革实验成绩考核方法，改善实验教学效果，提高
学生质量，特制定实验教学管理基本规范。
1、本规范适用于理工科类专业实验课程，文、经、管、计算机类实验课程可根据具体情况参
照执行或暂不执行。
2、每门实验课程一般会包括许多实验项目，除非常简单的验证演示性实验项目可以不写实验
报告外，其他实验项目均应按本格式完成实验报告。
3、实验报告应由实验预习、实验过程、结果分析三大部分组成。每部分均在实验成绩中占一
定比例。各部分成绩的观测点、考核目标、所占比例可参考附表执行。各专业也可以根据具体情况，调整考核内容和评分标准。
4、学生必须在完成实验预习内容的前提下进行实验。教师要在实验过程中抽查学生预习情况，
在学生离开实验室前，检查学生实验操作和记录情况，并在实验报告第二部分教师签字栏签名，以确保实验记录的真实性。
5、教师应及时评阅学生的实验报告并给出各实验项目成绩，完整保存实验报告。在完成所有
实验项目后，教师应按学生姓名将批改好的各实验项目实验报告装订成册，构成该实验课程总报告，按班级交课程承担单位（实验中心或实验室）保管存档。
6、实验课程成绩按其类型采取百分制或优、良、中、及格和不及格五级评定。
附表：实验考核参考内容及标准
观测点考核目标成绩组成
实验预习1．预习报告
2．提问
3．对于设计型实验，着重考查设计方案的
科学性、可行性和创新性
对实验目的和基本原理
的认识程度，对实验方
案的设计能力
20%
实验过程1．是否按时参加实验
2．对实验过程的熟悉程度
3．对基本操作的规范程度
4．对突发事件的应急处理能力
5．实验原始记录的完整程度
6．同学之间的团结协作精神
着重考查学生的实验态
度、基本操作技能；严
谨的治学态度、团结协
作精神
30%
结果分析1．所分析结果是否用原始记录数据
2．计算结果是否正确
3．实验结果分析是否合理
4．对于综合实验，各项内容之间是否有分
析、比较与判断等
考查学生对实验数据处
理和现象分析的能力；
对专业知识的综合应用
能力；事实求实的精神
50%
实验课程名称材料成型数值模拟
实验项目名称利用DEFORM模拟镦粗锻造成型实验成绩
实验者王丹丹专业班级成型0801 组别
同组者实验日期11年10月28日第一部分：实验预习报告（包括实验目的、意义，实验基本原理与方法，主要仪器设备及耗材，实验方案与技术路线等）
一、实验目的
1）了解认识DEFORM软件的窗口界面。
2）了解DEFORM界面中功能键的作用。
3）掌握利用DEFORM有限元建模的基本步骤。
4）利用DEFOR模拟铸造成型过程（包括Pre、Simulator、Post Processer）。
二、实验原理
DEFORM是一套基于有限元的工艺仿真系统，用于分析金属成形及其相关工业的各种成形工艺和热处理工艺。通过在计算机上模拟整个加工过程，帮助工程师和设计人员：设计工具和产品工艺流程，减少昂贵的现场试验成本。提高工模具设计效率，降低生产和材料成本。缩短新产品的研究开发周期。DEFORM-2D（二维）适用于各种常见的UNIX工作站平台（HP，SGI，SUN，DEC，IBM）和Windows-NT微机平台。可以分析平面应变和轴对称等二维模型。它包含了最新的有限元分析技术，既适用于生产设计，又方便科学研究。
三、实验步骤
1．DEFORM前处理过程（Pre Processer）
1）进入DEFORM前处理窗口。
2）了解DEFORM前处理中的常用图标
3）设置模拟控制
4）增加新对象
5）网格生成
6）材料的选择
7）确立边界条件
8）温度设定
9）凸模运动参数的设置
10）模拟控制设定
11）设定对象间的位置关系
12）对象间关系“Inter-Object”的设定
13）生成数据库
14）退出前处理窗口
2．DEFORM求解（Simulator Processer）
3．DEFORM后处理（Post Processer）
1)了解DEFORM后处理中的常用图标。
2）步的选择
3）真实应变
4）金属流线
5）载荷——行程曲线
四、实验任务
DEFORM-3D圆柱体镦粗模拟分析
上机操作
已知：
毛坯：底面半径60，高度200，材料和温度同2D，网格划分10000个
模具：长150，宽度150，高度60
上模下压距离：50mm
上模下压速度：5mm/s
完成如下操作：
(1)建立DEFORM-3D/Preprocessor圆柱体镦粗模拟分析模型
(2)对模型进行求解计算
(3)对计算结果进行后处理分析，要求
1）测量镦粗后锻件X、Y方向尺寸
2）测量沿X、Y、Z方向应变分布
3）改变上模下压速度，分别为5mm/s、15mm.s、20mm/进行模拟，求出不同速度下：
X、Y方向尺寸；X、Y、Z方向应变分布；最大载荷。
4）改变上模下压行程，分别为30mm、40mm、50mm进行模拟，求出不同下压距离下：X、Y方向尺寸；X、Y、Z方向应变分布；最大载荷。
第二部分：实验过程记录（可加页）（包括实验原始数据记录，实验现象记录，实验过
程发现的问题等）
一、前处理
1.进入DEFORM前处理窗口
在安装有WINdows操作系统和deform-3D软件的系统中，单击启动软件。
选择file|new，增加一个新问题，出现问题设置窗口。保持系统设置不变，单击next 按钮，打开deform-3D前处理器，进入前处理环境。如下图所示：
2.设置模拟控制
单击图标，打开“simulation control”窗口。在该窗口中改变模拟标题为newtrial，选择系统单位为“SI”，其他默认为系统设置，单击OK按钮退出窗口。如图下图所示：
3.增加新对象通过单击对象树下等插入对象按钮，添加新对象workpiece，单击
按钮，为新增对象建立几何模型。单击edit按钮，出现一个空白表格，在表格中顺序顺序（逆时针）输入各特征点等坐标X、Y、R。输入完成后，单击apply按钮，将数据写入系统，此时系统中将显示所见图形。再次单击插入对象按钮，插入上下模Top die、bottom die。如下图所示:
4.网格生成
为了将workpiece生产网格，单击mesh按钮。在Tool标签下对网格数量进行选择，设置为1000，如图4.1.1所示。在detailed settings中将Size Ratio设置为1，单击Generate Mesh按钮，生成网格如下图所示：
5.材料的选择
单击“workpiece使其高亮显示，单击材料按钮，右边显示材料选择窗口，单击steel，选择材料AISI-1025[1800-2200F(1000-1200C)]。单击Assign Material按钮，将所选材料导入到Workpiece中，如下图所示：
6．模拟控制设定
单击图标，打开模拟控制窗口，再单击step按钮进入步控制，依次对各项进行设置，单击ok退出，如下图所示：
7.确立边界条件
单击按钮进入边界条件选择窗口，单击选择按钮，用鼠标选择左上角第一点，继续选择左下角第二点，两点选择后，毛坯对称中心轴将高亮显示，这便是毛坯的边界。边界选好后，单击按钮，“Velocity”会出现“X，Fixed”，说明边界条件已经确定。如图所示：
8.温度设定
次单击“workpiece”、“Top Die”、“Bottom Die”中的general图标，在“Temperature”中单击Assign temperature按钮，输入合适的温度值，单击OK，使温度确定下来。如图所示：
9.凸模运动参数的设置
单击“Top die”，待其高亮显示后单击Movement图标，设定凸模的运动参数，如下图所示：
10．设置对象间的位置关系
单击按钮，弹出的窗口，在此窗口中可设定对象间的位置关系。单击offset按钮。
单击interference按钮。选择Positioning Object为“Workpiece”，“reference”中选择“Top Die”，在“Approach Direction”选择方向为“Y”，单击“Apply”按钮，毛坯与凸模的位置关系就确定了。同理设置“Bottom Die”在“Approach Direction”选择方向为“-Y”，单击“Apply”按钮，毛坯与凹模的位置关系就确定了。
11.对象间关系“Inter-Object”设定
单击按钮，由于当前没有设定关系，会弹出一个对话框询问是否希望系统添加默认的关系，单击Yes按钮后，进入过盈对象关系设定窗口，如下图所示：
选择Top Die—（1）workpiece，单击Edit，将constantly选项设置为0.3，其他为系统默认设置即可，单击close。同样设置Bottom Die—（1）workpiece。如下图所示：
单击图标，然后单击Generate All按钮，毛坯与凸凹模的接触即生成，单击Ok 退出。
12．生成数据库
单击按钮，出现如图9.1所示的窗口，单击Check按钮，开始对各项数据进行检查。如下图所示。检查无误后，单击Generate按钮生成数据库。单击Close按钮，退出该窗口。
13.退出前处理窗口
单击保存按钮，关闭前处理窗口。
二．Deform求解
1.打开一个预保存的问题
2.求解，单击Run，开始模拟，如下图所示：
三、Deform后处理
1、当模拟完成后，单击“post processor”中的“Deform-2D Post”，弹出后处理窗口。
单击图标，标志中点（75,0,0），（75,60,0）（15,0,0）即为最大半径点。点next，再点finish。
对镦粗过程进行模拟，完成以下操作：提取模型模拟所得结果：最大和最小应变、工件尺寸（底面半径和鼓形半径）、载荷-行程曲线。
测量镦粗后锻件X、Y方向尺寸Y方向：64.3122
X方向：64.1733
测量沿X、Y、Z方向应变分布
2、改变上模下压速度，分别为5mm/s、15mm.s、20 mm.s进行模拟，求出不同速
度下：X、Y方向尺寸；X、Y、Z方向应变分布；最大载荷。
X、Y方向尺寸：
5mm/s
15mm.s 20 mm/s
下压速度mm/s X方向尺寸mm Y方向尺寸mm 564.1733 64.3122
1564.3183 64.1807
2064.3359 64.1998 X、Y、Z方向应变分布：
5mm/s
15mm/s
快速入门指南 Sybase 软件资产管理 (SySAM) 2
文档 ID：DC01050-01-0200-01 最后修订日期：2009 年 3 月 版权所有 ? 2009 Sybase, Inc. 保留所有权利。 除非在新版本或技术声明中另有说明，本出版物适用于 Sybase 软件及任何后续版本。本文档中的信息如有更改，恕不另行通知。此处说明的软件按许可协议提供，其使用和复制必须符合该协议的条款。 要订购附加文档，美国和加拿大的客户请拨打客户服务部门电话 (800) 685-8225 或发传真至 (617) 229-9845。 持有美国许可协议的其它国家/地区的客户可通过上述传真号码与客户服务部门联系。所有其他国际客户请与 Sybase 子公司或当地分销商联系。升级内容只在软件的定期发布日期提供。未经 Sybase, Inc. 事先书面许可，不得以任何形式或任何手段（电子的、机械的、手工的、光学的或其它手段）复制、传播或翻译本手册的任何部分。 Sybase 商标可在位于 https://www.doczj.com/doc/197865280.html,/detail?id=1011207 上的“Sybase 商标页”进行查看。Sybase 和列出的标记均是 Sybase, Inc. 的商标。 ?表示已在美国注册。 Java 和基于 Java 的所有标记都是 Sun Microsystems, Inc. 在美国和其它国家/地区的商标或注册商标。 Unicode 和 Unicode 徽标是 Unicode, Inc. 的注册商标。 本书中提到的所有其它公司和产品名均可能是与之相关的相应公司的商标。 美国政府使用、复制或公开本软件受 DFARS 52.227-7013 中的附属条款 (c)(1)(ii)（针对美国国防部）和 FAR 52.227-19(a)-(d)（针对美国非军事机构）条款的限制。 Sybase, Inc., One Sybase Drive, Dublin, CA 94568.
《数据挖掘》Weka实验报告 姓名＿学号＿ 指导教师 开课学期2015 至2016 学年 2 学期完成日期2015年6月12日
1.实验目的 基于https://www.doczj.com/doc/197865280.html,/ml/datasets/Breast+Cancer+WiscOnsin+%28Ori- ginal%29的数据，使用数据挖掘中的分类算法，运用Weka平台的基本功能对数据集进行分类，对算法结果进行性能比较，画出性能比较图，另外针对不同数量的训练集进行对比实验，并画出性能比较图训练并测试。 2.实验环境 实验采用Weka平台，数据使用来自https://www.doczj.com/doc/197865280.html,/ml/Datasets/Br- east+Cancer+WiscOnsin+%28Original%29，主要使用其中的Breast Cancer Wisc- onsin (Original) Data Set数据。Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。 3.实验步骤 3.1数据预处理 本实验是针对威斯康辛州(原始)的乳腺癌数据集进行分类，该表含有Sample code number（样本代码)，Clump Thickness（丛厚度），Uniformity of Cell Size （均匀的细胞大小），Uniformity of Cell Shape （均匀的细胞形状），Marginal Adhesion（边际粘连），Single Epithelial Cell Size（单一的上皮细胞大小），Bare Nuclei（裸核），Bland Chromatin（平淡的染色质），Normal Nucleoli（正常的核仁），Mitoses（有丝分裂），Class（分类），其中第二项到第十项取值均为1-10，分类中2代表良性，4代表恶性。通过实验，希望能找出患乳腺癌客户各指标的分布情况。 该数据的数据属性如下： 1. Sample code number（numeric），样本代码； 2. Clump Thickness（numeric），丛厚度；
OB开发手册中文版
Contents [hide]1 简介 ? 1 简介 ? 1.1 开发概述 ? 1.2 开发方法 ? 1.3 组织开发工作 ? 1.4 标识符命名标准 ? 1.4.1 数据库元素 ? 1.4.2 MVC目录 ? 1.4.3 存储过程语法 ? 1.5 目录结构 ? 1.6 风格指南 ? 1.6.1 逻辑比较 ? 1.6.2 逗号分隔列表 ? 1.6.3 圆括号中的空格 ? 1.6.4 SELECT INTO和INSERT INTO ? 1.6.5 SQL关键字 ? 1.7 编译程序 ? 1.7.1 命令行编译任务 ? 1.7.2 开发环境 ? 1.7.3 生产环境 ? 1.8 从源代码构建 ? 1.8.1 安装Subversion ? 1.8.2 从Subversion中检出源代码 ? 1.8.3 快速构建指南 ? 1.9 集成开发环境 ? 2 Openbravo数据模型 ? 2.1 存储的数据库对象 ? 2.2 实体-关系(ER)图 ? 2.3 创建存储过程 ? 2.3.1 AD_PInstance和AD_PInstance_Para表 ? 2.3.2 存储过程的输入参数 ? 2.3.2.1 从AD_PInstance表中获取有用的信息 ? 2.3.2.2 AD_Update_PInstance存储过程 ? 2.3.2.3 例外和错误管理 ? 2.4 存储过程语法的建议 ? 2.4.1 通用规则 ? 2.4.1.1 游标 ? 2.4.1.2 数组 ? 2.4.1.3 ROWNUM ? 2.4.1.4 %ROWCOUNT ? 2.4.1.5 %ISOPEN,%NOTFOUND ? 2.4.2 表 ? 2.4.3 函数 ? 2.4.4 存储过程
一. 光和色的关系 1. PS是图像合成软件，是对已有的素材的再创造。画图和创作不是PS的本职工作。（阿随补充：当然了，PS也是可以从无到有的进行创作的，发展到现在来说，画图和创作两方面，PS也是可以完成很棒的作品了。） 2. 开PS软件之前，要准确理解颜色、分辨率、图层三个问题。 3. 红绿蓝是光的三原色；红黄蓝是颜色色料的三原色（印刷领域则细化成青品红（黑））。形式美感和易识别是设计第一位的，套意义、代表一个寓意的东西是其次的。 4. 色彩模式共有四种，每一种都对应一种媒介，分别为： ●lab模式（理论上推算出来的对应大自然的色彩模式） ●hsb模式（基于人眼识别的体系） ●RGB模式（对应的媒介是光色，发光物体的颜色识别系统。） ●CMYK模式（对应的是印刷工艺）。 5. 加色模式：色相的色值相加最后得到白色；减色模式：色相的最大值相加得到黑色。
6. lab色彩模式，一个亮度通道和两个颜色通道，是理论上推测出来的一个颜 色模式。理论上对应的媒介是大自然。 7. hsb色彩模式，颜色三属性： ●色相（色彩名称、色彩相貌，即赤橙黄绿青蓝紫等，英文缩写为h，它的单 位是度，色相环来表示） ●饱和度（色彩纯度，英文缩写s，按百分比计量，跟白有关） ●明度（英文缩写b，按百分比计量，明度跟黑有关）。 注意：黑色和白色是没有色相的，不具备颜色形象。 8. RGB色彩模式，每一个颜色有256个级别，共包含16 777 216种颜色。因 为本模式最大值rgb（255,255,255）得到的是白色，即rgb三个色值到了白色，所以称之为加色模式；当rgb（0,0,0）则为黑色。 三个rgb的色值相等的时候，是没有色相的，是个灰值，越靠近数量越低，是 深灰；越靠近数量越高，是浅灰。 9. CMYK色彩模式，色的三原色，也叫印刷的三原色（即油墨的三原色）青品（又称品红色、洋红色）黄。按油墨的浓淡成分来区分色的级别，0-100%，英文缩写CMY。白色值：cmy（0,0,0）；黑色值（100,100,100），色相最大值 得到黑色，所以称之为减色模式。因为技术的原因，100值得三色配比得到的 黑色效果很不好，所以单独生产了一种黑色油墨，所以印刷的色彩模式是cmyk （k即是黑色）。 10. CMYK与RGB的关系：光的三原色RGB，两两运用加色模式（绿+蓝=青，
tgreSQL学习手册(五) 函数和操作符 阿里云携手开源中国众包平台发布百万悬赏项目? 一、逻辑操作符： 常用的逻辑操作符有：AND、OR和NOT。其语义与其它编程语言中的逻辑操作符完全相同。 二、比较操作符： 下面是PostgreSQL中提供的比较操作符列表： 操作符描述 <小于 >大于 <=小于或等于 >=大于或等于 =等于 !=不等于 比较操作符可以用于所有可以比较的数据类型。所有比较操作符都是双目操作符，且返回boolean类型。除了比较操作符以外，我们还可以使用BETWEEN语句，如： a BETWEEN x AND y 等效于 a >= x AND a <= y a NOT BETWEEN x AND y 等效于 a < x OR a > y 三、数学函数和操作符： 下面是PostgreSQL中提供的数学操作符列表： 操作符描述例子结果 +加 2 + 35 -减 2 - 3-1 *乘 2 * 36 /除 4 / 22 %模 5 % 41 ^幂 2.0 ^ 3.08 |/平方根|/ 25.05 ||/立方根||/ 27.03 !阶乘 5 !120 !!阶乘!! 5120 @绝对值@ -5.05 &按位AND91 & 1511 |按位OR32 | 335
#按位XOR17 # 520 ~按位NOT~1-2 <<按位左移 1 << 416 >>按位右移8 >> 22 按位操作符只能用于整数类型，而其它的操作符可以用于全部数值数据类型。按位操作符还可以用于位串类型bit和bit varying， 下面是PostgreSQL中提供的数学函数列表，需要说明的是，这些函数中有许多都存在多种形式，区别只是参数类型不同。除非特别指明，任何特定形式的函数都返回和它的参数相同的数据类型。 函数返回类 型 描述例子结果 abs(x)绝对值abs(-17.4)17.4 cbrt(double)立方根cbrt(27.0)3 ceil(double/numeric)不小于参数的最小的整 数 ceil(-42.8)-42 degrees(double) 把弧度转为角度degrees(0.5)28.6478897565412 exp(double/numeric)自然指数exp(1.0) 2.71828182845905 floor(double/numeric)不大于参数的最大整数floor(-42.8)-43 ln(double/numeric)自然对数ln(2.0)0.693147180559945 log(double/numeric)10为底的对数log(100.0)2 log(b numeric,x numeric)numeric指定底数的对 数 log(2.0, 64.0) 6.0000000000 mod(y, x)取余数mod(9,4)1 pi() double"π"常量pi() 3.14159265358979 power(a double, b double)double求a的b次幂power(9.0, 3.0)729 power(a numeric, b numeric) numeric求a的b次幂power(9.0, 3.0)729 radians(double)double把角度转为弧度radians(45.0)0.785398163397448 random()double 0.0到1.0之间的随机 数值 random() round(double/numeric)圆整为最接近的整数round(42.4)42 round(v numeric, s int)numeric圆整为s位小数数字round(42.438,2)42.44 sign(double/numeric)参数的符号(-1,0,+1) sign(-8.4)-1 sqrt(double/numeric)平方根sqrt(2.0) 1.4142135623731 trunc(double/numeric)截断(向零靠近)trunc(42.8)42 trunc(v numeric, s int)numeric 截断为s小数位置的数 字 trunc(42.438,2)42.43 三角函数列表： 函数描述 acos(x)反余弦
OnXDC软件快速入门手册X0116011 版本：1.0 编制：________________ 校对：________________ 审核：________________ 批准：________________ 上海新华控制技术（集团）有限公司 2010年9月
OnXDC软件快速入门手册X0116011 版本：1.0 上海新华控制技术（集团）有限公司 2010年9月
目录 第一章、从新建工程开始 (3) 1.1新建工程 (3) 1.2激活工程 (3) 第二章、全局点目录组态 (4) 2.1运行系统配置 (4) 2.2点目录编辑 (4) 第三章、站点IP设置 (4) 第四章、运行XDCNET (5) 第五章、XCU组态 (6) 5.1用户登录 (6) 5.2进入XCU组态 (6) 5.3进行离线组态 (6) 5.4在线组态修改（通过虚拟XCU） (8) 第六章、图形组态 (11) 6.1进入图形组态界面 (11) 6.2手操器示例 (11) 6.3图形组态过程 (11) 6.4保存文件 (17) 6.5弹出手操器 (18) 6.6添加趋势图 (19) 6.7添加报警区 (20) 6.8保存总控图 (21) 第七章、图形显示 (21)
第一章、从新建工程开始 1.1新建工程 XDC800软件系统安装后会在操作系统的【开始】—>【程序】菜单中创建OnXDC 快捷方式，点击其中的【SysConfig】快捷方式运行系统配置软件，然后点击工具栏上的【工程管理器】按钮，打开工程管理器，点击工具栏上的【新建工程】按钮，弹出新建工程对话框，首先选择工程的存放路径，然后输入工程名称，如“XX电厂”，点击【确定】按钮，系统会在该工程路径下新建四个文件夹，分别是Gra、Res、Report、HisData，其中分别存放图形文件、图形资源文件、报表文件、历史数据文件。 1.2激活工程 在【工程管理器】的工程列表中找到刚刚创建的工程,选中后点击工具栏上的【激活工程】按钮，即可将该工程设为当前活动工程。
九洲港协同办公自动化系统 用 户 使 用 手 册 集团电脑部 本公司办公自动化系统（以下简称OA系统）内容包括协同办公、文件传递、知识文档管理、
公共信息平台、个人日程计划等，主要实现本部网络办公，无纸化办公，加强信息共享和交流，规范管理流程，提高内部的办公效率。OA系统的目标就是要建立一套完整的工作监控管理机制，最终解决部门自身与部门之间协同工作的效率问题，从而系统地推进管理工作朝着制度化、准化和规范化的方向发展。 一、第一次登录到系统，我该做什么？ 1、安装office控件 2、最重要的事就是“修改密码”！初始密码一般为“123456”（确切的请咨询系统管理员），修改后这个界面就属于您自己的私人办公桌面了！ 点击辅助安 装程序 安装 office 控件
密码修改在这儿! 一定要记住你的 新密码! 3、设置A6单点登陆信息 点击配置系 统 点击设置参 数 勾选A6 办公系 统
输入A6用户和 密码后确定 二、如何开始协同工作？ “协同工作”是系统中最核心的功能，这个功能会用了，日常办公８０％的工作都可以用它来完成。那我们现在就开始“发个协同”吧！ 1、发起协同 第一步新建事项 第五步发送 第二步定标题
第三步定流程 式 第四步写正文 方法：自定义流程图例：
第一步新建流程 式 第三步确认选中第二步选人员 在自定义流程时,人员下方我 们看到如下两个个词,是什么 意思呢? 第四步确认完成 、 提示（并发、串发的概念） 并发：采用并发发送的协同或文电，接收者可以同时收到 串发：采用串发发送的协同或文电，接收者将按照流程的顺序接收 下面我们以图表的方式来说明两者的概念： 并发的流程图为：
基于weka的数据分类分析实验报告 1实验基本内容 本实验的基本内容是通过使用weka中的三种常见分类方法（朴素贝叶斯，KNN和决策树C4.5）分别在训练数据上训练出分类模型，并使用校验数据对各个模型进行测试和评价，找出各个模型最优的参数值，并对三个模型进行全面评价比较，得到一个最好的分类模型以及该模型所有设置的最优参数。最后使用这些参数以及训练集和校验集数据一起构造出一个最优分类器，并利用该分类器对测试数据进行预测。 2数据的准备及预处理 2.1格式转换方法 原始数据是excel文件保存的xlsx格式数据，需要转换成Weka支持的arff文件格式或csv文件格式。由于Weka对arff格式的支持更好，这里我们选择arff格式作为分类器原始数据的保存格式。 转换方法：在excel中打开“movie_given.xlsx”，选择菜单文件->另存为，在弹出的对话框中，文件名输入“total_data”，保存类型选择“CSV（逗号分隔）”，保存，我们便可得到“total_data.csv”文件；然后，打开Weka的Exporler，点击Open file按钮，打开刚才得到的“total_data”文件，点击“save”按钮，在弹出的对话框中，文件名输入“total_data”，文件类型选择“Arff data files（*.arff）”，这样得到的数据文件为“total_data.arff”。 2.2如何建立数据训练集，校验集和测试集 数据的预处理过程中，为了在训练模型、评价模型和使用模型对数据进行预测能保证一致性和完整性，首先要把movie_given.xslx和test.xslx合并在一起，因为在生成arff文件的时候，可能会出现属性值不一样的情况，否则将为后来的测试过程带来麻烦。 通过统计数据信息，发现带有类标号的数据一共有100行，为了避免数据的过度拟合，必须把数据训练集和校验集分开，目前的拆分策略是各50行。类标号为‘female’的数据有21条，而类标号为‘male’的数据有79条，这样目前遇到的问题是，究竟如何处理仅有的21条female数据？为了能在训练分类模型时有更全面的信息，所以决定把包含21条female类标号数据和29条male类标号数据作为模型训练数据集，而剩下的另49条类标号类male的数据将全部用于校验数据集，这是因为在校验的时候，两种类标号的数据的作用区别不大，而在训练数据模型时，则更需要更全面的信息，特别是不同类标号的数据的合理比例对训练模型的质量有较大的影响。
一、概述： PL/pgSQL函数在第一次被调用时，其函数内的源代码(文本)将被解析为二进制指令树，但是函数内的表达式和SQL命令只有在首次用到它们的时候，PL/pgSQL解释器才会为其创建一个准备好的执行规划，随后对该表达式或SQL命令的访问都将使用该规划。如果在一个条件语句中，有部分SQL命令或表达式没有被用到，那么PL/pgSQL解释器在本次调用中将不会为其准备执行规划，这样的好处是可以有效地减少为PL/pgSQL函数里的语句生成分析和执行规划的总时间，然而缺点是某些表达式或SQL命令中的错误只有在其被执行到的时候才能发现。 由于PL/pgSQL在函数里为一个命令制定了执行计划，那么在本次会话中该计划将会被反复使用，这样做往往可以得到更好的性能，但是如果你动态修改了相关的数据库对象，那么就有可能产生问题，如： CREATE FUNCTION populate() RETURNS integer AS $$ DECLARE -- 声明段 BEGIN PERFORM my_function(); END; $$ LANGUAGE plpgsql; 在调用以上函数时，PERFORM语句的执行计划将引用my_function对象的OID。在此之后，如果你重建了my_function函数，那么populate函数将无法再找到原有my_function函数的OID。要解决该问题，可以选择重建populate函数，https://www.doczj.com/doc/197865280.html,或者重新登录建立新的会话，以使PostgreSQL重新编译该函数。要想规避此类问题的发生，在重建my_function时可以使用CREATE OR REPLACE FUNCTION命令。 鉴于以上规则，在PL/pgSQL里直接出现的SQL命令必须在每次执行时均引用相同的表和字段，换句话说，不能将函数的参数用作SQL命令的表名或字段名。如果想绕开该限制，可以考虑使用PL/pgSQL 中的EXECUTE语句动态地构造命令，由此换来的代价是每次执行时都要构造一个新的命令计划。 使用PL/pgSQL函数的一个非常重要的优势是可以提高程序的执行效率，由于原有的SQL调用不得不在客户端与服务器之间反复传递数据，这样不仅增加了进程间通讯所产生的开销，而且也会大大增加网络IO的开销。 二、PL/pgSQL的结构： PL/pgSQL是一种块结构语言，函数定义的所有文本都必须在一个块内，其中块中的每个声明和每条语句都是以分号结束，如果某一子块在另外一个块内，那么该子块的END关键字后面必须以分号结束，不过对于函数体的最后一个END关键字，分号可以省略，如： [ <
Paramics快速入门手册 本手册旨在提高广大用户的基础应用能力，为广大用户入门提供参考，手册涵盖了软件的安装与运行、仿真路网状态的查看、数据报告的查看和三维仿真方面的基础操作等内容。 用户可以以本手册作为学习Paramics软件的辅助手册，结合软件其他的技术操作手册（软件自带的manual）进行Paramics软件的基础学习。 用户在使用本手册的过程中如有疑问，请跟我们技术支持部门联系，发邮件至Paramics-China@https://www.doczj.com/doc/197865280.html,, 或登陆我们的网站https://www.doczj.com/doc/197865280.html,，九州联宇将给您提供完善的技术支持服务。
第一章 安装、运行软件 (3) 1.1安装软件 (3) 1.2运行软件 (3) 第二章 使用Paramics软件 (4) 2.1、二维模式下 (4) 2.2、三维模式下 (4) 2.3、观察点控制 (4) 2.4、地图窗口 (6) 2.5、仿真控制操作 (6) 第三章 仿真分析 (7) 3.1、ＯＤ显示 (7) 3.2、热点显示 (8) 3.3、车辆动态信息显示 (9) 3.4、车辆追踪 (11) 3.5、公共交通信息显示 (12) 第四章数据报告 (13) 第五章演示 (14) 5.1、设置图层 (14) 5.2、图层叠加 (14) 5.3、PMX模型 (15) 5.4、环境影响因素 (16) 5.5、飞越播放 (17) 第六章制作仿真视频 (18) 结语 (19)
第一章 安装、运行软件 1.1安装软件 用户在安装Paramics V6安装之前，必须确认安装了.NET Framework 3.0以上的版本。确认安装之后按照以下步骤操作： 1、插入安装光盘，以下两部分是必不可少的，点击Paramics V6 setup,运行软件 2、按照屏幕出现的安装指南进行操作 3、安装结束后要重启计算机 1.2运行软件 用户在启动Paramics之前，确保USB软件狗的红灯闪亮 用户可以通过一下操作打开Paramics路网 点击开始菜单，打开Paramics建模器（Modeller）； 在软件中点击File ――Open，打开存放路网文件的文件夹； 选中Demo１，点击OK即可载入演示网络。
可读写一体机快速入门手册 读卡设备在安装好后需要经过卡片发行授权，读卡机密码及权限设置操作流程才能够正常使用。一张卡如果在一个读卡器上顺利使用，卡片和读卡器需要满足以下条件： 1.卡片的加密密码与读卡器的密码一致； 2.卡片的权限必须在读卡器权限许可的范围内； 3.卡片必须在有效期以内； 4.卡片内码不在黑名单之列； 一、连接发卡器 首先，将发卡器连接到电脑的USB接口，为了保证通信性能，厂家建议连接至计算机机箱后的USB接口，如图1所示。 图1 图2 电脑会提示发现新硬件，如图2所示. 图3 图4 按照图3选择从列表或指定位置安装，按照图示指定驱动位置，驱动默认在安装光盘的CP210X文件夹下。 点击下一步，如图5，单击完成后再次弹出找到新硬件，选择否，暂时不，找到驱动位置安装驱动，成功后，可以在
图5 图6 设备管理器中看到CP2102 USB to UART Bridge Controller （COM5），表示发卡器的通信端口为COM5，如图7。 图7 图8 图9 接下来我们打开管理软件，双击图8所示图标，出现图9所示对话框，输入密码。默认密码是888888，点击确定，出现图10界面。 图10 第一次使用，先配置通信端口。点击菜单栏“系统”，“设置发卡器通讯参数”，如图11所示界面。 图11 图12
出现如图13所示界面。 图13 设置串口为刚才设备管理器中看到的COM5，点击“通讯测试”，若通信正常会出现图12所示界面。单击保存。 此时可以看到主界面“远距离发卡器通信设置”变绿，表示计算机与发卡器通信正常。此时即可对卡片进行发行授权等操作。 三、发行卡片 在卡片栏点击“远距离卡片发行”，弹出图15所示界面。 图15 1、发行单张卡片 点击“增加”，在“卡片发行记录编辑”处填写卡片信息，其中“卡片类型”、“有效日期”、“车辆类别”、“付款金额”和“可出入以下车场”为必选项。填写完毕后单击“存储”，弹出图16界面，点击确定，弹出图17界面。 图16 图17 2、批量发行卡片 点击“批量发行”，弹出图18所示界面，填写卡片发行参数，其中“卡片类型”、“有效日期”、“车辆类别”、“付款金额”和“可出入以下车场”为必选项。点击“开始发行”，弹出图19所示界面，将卡片对准发卡器的红外激活窗口，当提示“卡片内码XXXXXXX已发行”表示卡片已经发行好。
一、实验目的 使用数据挖掘中的分类算法，对数据集进行分类训练并测试。应用不同的分类算法，比较他们之间的不同。与此同时了解Weka平台的基本功能与使用方法。 二、实验环境 实验采用Weka 平台，数据使用Weka安装目录下data文件夹下的默认数据集iris.arff。 Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java 写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。 三、数据预处理 Weka平台支持ARFF格式和CSV格式的数据。由于本次使用平台自带的ARFF格式数据，所以不存在格式转换的过程。实验所用的ARFF格式数据集如图1所示 图1 ARFF格式数据集(iris.arff)
对于iris数据集，它包含了150个实例（每个分类包含50个实例），共有sepal length、sepal width、petal length、petal width和class五种属性。期中前四种属性为数值类型，class属性为分类属性，表示实例所对应的的类别。该数据集中的全部实例共可分为三类：Iris Setosa、Iris Versicolour和Iris Virginica。 实验数据集中所有的数据都是实验所需的，因此不存在属性筛选的问题。若所采用的数据集中存在大量的与实验无关的属性，则需要使用weka平台的Filter(过滤器)实现属性的筛选。 实验所需的训练集和测试集均为iris.arff。 四、实验过程及结果 应用iris数据集，分别采用LibSVM、C4.5决策树分类器和朴素贝叶斯分类器进行测试和评价，分别在训练数据上训练出分类模型，找出各个模型最优的参数值，并对三个模型进行全面评价比较，得到一个最好的分类模型以及该模型所有设置的最优参数。最后使用这些参数以及训练集和校验集数据一起构造出一个最优分类器，并利用该分类器对测试数据进行预测。 1、LibSVM分类 Weka 平台内部没有集成libSVM分类器，要使用该分类器，需要下载libsvm.jar并导入到Weka中。 用“Explorer”打开数据集“iris.arff”，并在Explorer中将功能面板切换到“Classify”。点“Choose”按钮选择“functions(weka.classifiers.functions.LibSVM)”，选择LibSVM分类算法。 在Test Options 面板中选择Cross-Validatioin folds=10，即十折交叉验证。然后点击“start”按钮：
本章大纲 1. 如何访问命令行 2. 使用命令行下的工具 非编辑模式 进入编辑模式 3. 正则表达式、管道和I/O 重定向 4. 管理用户账户 5. 文件访问控制 6. 管理进程 1，如何访问命令行 1.1 本地命令行的访问 在图形界面中，访问命令行的方法：打开Terminal，Console。或者：Ctrl+Alt+F1 ~ F6 1.2 使用SSH 访问命令行 同上 2，使用命令行下的工具 2.1 使用硬链接
硬链接，指在同一个文件系统中，对inode的引用，只要文件上存在至少1个硬链接，就可以找到对应的inode。 [digoal@digoal01 ~]$ echo "abc" > ./a [digoal@digoal01 ~]$ stat a File: `a' Size: 4 Blocks: 8 IO Block: 4096 regular file Device: 803h/2051d Inode: 656374 Links: 1 -- 硬链接数量 Access: (0664/-rw-rw-r--) Uid: ( 500/ digoal) Gid: ( 500/ digoal) Access: 2017-04-11 13:18:14.292848716 +0800 Modify: 2017-04-11 13:18:14.292848716 +0800 Change: 2017-04-11 13:18:14.292848716 +0800 创建硬链接 [digoal@digoal01 ~]$ ln -L ./a ./b [digoal@digoal01 ~]$ stat a File: `a' Size: 4 Blocks: 8 IO Block: 4096 regular file Device: 803h/2051d Inode: 656374 Links: 2 Access: (0664/-rw-rw-r--) Uid: ( 500/ digoal) Gid: ( 500/ digoal) Access: 2017-04-11 13:18:14.292848716 +0800 Modify: 2017-04-11 13:18:14.292848716 +0800 Change: 2017-04-11 13:18:34.631855044 +0800 [digoal@digoal01 ~]$ stat b File: `b' Size: 4 Blocks: 8 IO Block: 4096 regular file Device: 803h/2051d Inode: 656374 Links: 2 Access: (0664/-rw-rw-r--) Uid: ( 500/ digoal) Gid: ( 500/ digoal) Access: 2017-04-11 13:18:14.292848716 +0800 Modify: 2017-04-11 13:18:14.292848716 +0800 Change: 2017-04-11 13:18:34.631855044 +0800 删除一个硬链接，还能通过其他硬链接找到对应的inode。 [digoal@digoal01 ~]$ rm a rm: remove regular file `a'? y [digoal@digoal01 ~]$ cat b abc 2.2 归档和解压 常用的归档命令tar 归档-c (常用压缩库-j bz2, -z gzip) [digoal@digoal01 ~]$ tar -jcvf test.tar.bz2 b
《数据仓库与数据挖掘》 实验报告册 2013- 2014学年第一学期 班级： T1153-8 学号： 20110530816 姓名：焦永赞 授课教师：杨丽华实验教师：杨丽华 实验学时： 16 实验组号： 1 信息管理系
目录 实验一 Microsoft SQL Server Analysis Services的使用.. 3 实验二使用WEKA进行分类与预测 (114) 实验三使用WEKA进行关联规则与聚类分析 (22) 实验四数据挖掘算法的程序实现 (28)
实验一 Microsoft SQL Server Analysis Services的使用 实验类型：验证性实验学时：4 实验目的： 学习并掌握Analysis Services的操作，加深理解数据仓库中涉及的一些概念，如多维数据集，事实表，维表，星型模型，雪花模型，联机分析处理等。 实验内容： 在实验之前，先通读自学SQL SERVER自带的Analysis Manager概念与教程。按照自学教程的步骤，完成对FoodMart数据源的联机分析。建立、编辑多维数据集，进行OLAP操作，看懂OLAP的分析数据。 实验步骤（写主要步骤，可以打印）： 1、启动联机分析管理器：开始->程序－>Microsoft SQL Server－>Analysis Manager。 2、按照Analysis Service的自学教程完成对FoodMart数据源的联机分析。 3、在开始-设置-控制面板-管理工具-数据源（ODBC），数据源管理器中设置和源数据的 连接，“数据源名”为你的班级+学号+姓名，如T3730101张雨。 （1）打开管理工具中的数据源： （2）选择系统DNS
PostgreSQL学习手册：SQL语言函数 一、基本概念： SQL函数可以包含任意数量的查询，但是函数只返回最后一个查询(必须是SELECT)的结果。在简单情况下，返回最后一条查询结果的第一行。如果最后一个查询不返回任何行，那么该函数将返回NULL值。如果需要该函数返回最后一条SELECT语句的所有行，可以将函数的返回值定义为集合，即SETOF sometype。 SQL函数的函数体应该是用分号分隔的SQL语句列表，其中最后一条语句之后的分号是可选的。除非函数声明为返回void，否则最后一条语句必须是SELECT。事实上，在SQL函数中，不仅可以包含SELECT查询语句，也可以包含INSERT、UPDATE和DELETE等其他标准的SQL 语句，但是和事物相关的语句不能包含其中，如BEGIN、COMMIT、ROLLBACK和SAVEPOINT 等。 CREATE FUNCTION命令的语法要求函数体写成一个字符串文本。通常来说，该文本字符串常量使用美元符($$)围住，如： CREATE FUNCTION clean_emp() RETURNS void AS $$ DELETE FROM emp WHERE salary < 0; $$ LANGUAGE SQL; 最后需要说明的是SQL函数中的参数，PostgreSQL定义$1表示第一个参数，$2为第二个参数并以此类推。如果参数是复合类型，则可以使用点表示法，即$https://www.doczj.com/doc/197865280.html,访问复合类型参数中的name字段。需要注意的是函数参数只能用作数据值，而不能用于标识符，如：INSERT INTO mytable VALUES ($1); --合法 INSERT INTO $1 VALUES (42); --不合法(表名属于标示符之一) 二、基本类型： 最简单的SQL函数可能就是没有参数且返回基本类型的函数了，如： CREATE FUNCTION one() RETURNS integer AS $$ SELECT 1 AS result; $$ LANGUAGE SQL; 下面的例子声明了基本类型作为函数的参数。 CREATE FUNCTION add_em(integer, integer) RETURNS integer AS $$ SELECT $1 + $2; $$ LANGUAGE SQL; # 通过select调用函数。 postgres=# SELECT add_em(1,2) AS answer; answer -------- 3 (1 row) 在下面的例子中，函数体内包含多个SQL语句，它们之间是用分号进行分隔的。CREATE FUNCTION tf1 (integer, numeric) RETURNS numeric AS $$ UPDATE bank SET balance = balance - $2 WHERE accountno = $1; SELECT balance FROM bank WHERE accountno = $1; $$ LANGUAGE SQL;
基于w e k a的数据分类分析实验报告1 实验目的 （1）了解决策树C4.5和朴素贝叶斯等算法的基本原理。 （2）熟练使用weka实现上述两种数据挖掘算法，并对训练出的模型进行测试和评价。 2 实验基本内容 本实验的基本内容是通过基于weka实现两种常见的数据挖掘算法（决策树C4.5和朴素贝叶斯），分别在训练数据上训练出分类模型，并使用校验数据对各个模型进行测试和评价，找出各个模型最优的参数值，并对模型进行全面评价比较，得到一个最好的分类模型以及该模型所有设置的最优参数。最后使用这些参数以及训练集和校验集数据一起构造出一个最优分类器，并利用该分类器对测试数据进行预测。 3 算法基本原理 （1）决策树C4.5 C4.5是一系列用在机器学习和数据挖掘的分类问题中的算法。它的目标是监督学习：给定一个数据集，其中的每一个元组都能用一组属性值来描述，每一个元组属于一个互斥的类别中的某一类。C4.5的目标是通过学习，找到一个从属性值到类别的映射关系，并且这个映射能用于对新的类别未知的实体进行分类。C4.5由J.Ross Quinlan在ID3 的基础上提出的。ID3算法用来构造决策树。决策树是一种类似流程图的树结构，其中每个内部节点（非树叶节点）表示在一个属性上的测试，每个分枝代表一个测试输出，而每个树叶节点存放一个类标号。一旦建立好了决策树，对于一个未给定类标号的元组，跟踪一条有根节点到叶节点的路径，该叶节点就存放着该元组的预测。决策树的优势在于不需要任何领域知识或参数设置，适合于探测性的知识发现。 从ID3算法中衍生出了C4.5和CART两种算法，这两种算法在数据挖掘中都非常重要。 属性选择度量又称分裂规则，因为它们决定给定节点上的元组如何分裂。属性选择度量提供了每个属性描述给定训练元组的秩评定，具有最好度量得分的属性被选作给定元组的分裂属性。目前比较流行的属性选择度量有--信息增益、增益率和Gini指标。
基于weka 的数据分类分析实验报告1实验目的 （1）了解决策树C4.5 和朴素贝叶斯等算法的基本原理。 （2）熟练使用weka 实现上述两种数据挖掘算法，并对训练出的模型进行测试和评价。 2实验基本内容 本实验的基本内容是通过基于weka 实现两种常见的数据挖掘算法（决策树C4.5 和朴素贝叶斯），分别在训练数据上训练出分类模型，并使用校验数据对各个模型进行测试和评价，找出各个模型最优的参数值，并对模型进行全面评价比较，得到一个最好的分类模型以及该模型所有设置的最优参数。最后使用这些参数以及训练集和校验集数据一起构造出一个最优分类器，并利用该分类器对测试数据进行预测。 3算法基本原理 （1）决策树C4.5 C4.5 是一系列用在机器学习和数据挖掘的分类问题中的算法。它的目标是监督学习：给定一个数据集，其中的每一个元组都能用一组属性值来描述，每一个元组属于一个互斥的类别中的某一类。C4.5 的目标是通过学习，找到一个从属性值到类别的映射关系，并且这个映射能用于对新的类别未知的实体进行分类。C4.5 由J.Ross Quinlan 在ID3 的基础上提出的。ID3 算法用来构造决策树。决策树是一种类似流程图的树结构，其中每个内部节点（非树叶节点）表示在一个属性上的测试，每个分枝代表一个测试输出，而每个树叶节点存放一个类标号。一旦建立好了决策树，对于一个未给定类标号的元组，跟踪一条有根节点到叶节点的路径，该叶节点就存放着该元组的预测。决策树的优势在于不需要任何领域知识或参数设置，适合于探测性的知识发现。
从ID3 算法中衍生出了C4.5 和CART两种算法，这两种算法在数据挖掘中都非常重要。 属性选择度量又称分裂规则，因为它们决定给定节点上的元组如何分裂。属性选择度量提供了每个属性描述给定训练元组的秩评定，具有最好度量得分的属性被选作给定元组的分裂属性。目前比较流行的属性选择度量有-- 信息增益、增益率和Gini 指标。 (2)朴素贝叶斯 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。 朴素贝叶斯分类是一种十分简单的分类算法，叫它朴素贝叶斯分类是因为这种方法的思想真的很朴素，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。通俗来说，就好比这么个道理，你在街上看到一个黑人，我问你你猜这哥们哪里来的，你十有八九猜非洲。为什么呢？因为黑人中非洲人的比率最高，当然人家也可能是美洲人或亚洲人，但在没有其它可用信息下，我们会选择条件概率最大的类别，这就是朴素贝叶斯的思想基础。 朴素贝叶斯分类的正式定义如下： 1)设x={a_1,a_2,...,a_m} 为一个待分类项，而每个a 为x 的一个特征属性。 2)有类别集合C={y_1,y_2,...,y_n} 。 3)计算 P(y_1|x),P(y_2|x),...,P(y_n|x) 。 4)如果 P(y_k|x)=max{P(y_1|x),P(y_2|x),...,P(y_n|x)} ，则x in y_k 。 那么现在的关键就是如何计算第3 步中的各个条件概率。我们可以这么做： 1)找到一个已知分类的待分类项集合，这个集合叫做训练样本集。