锆钛酸钡电子陶瓷材料的制备
前言
电子陶瓷是指以电、磁、光、声、热、力、化学和生物等信息的检测、转换、耦合、传输及存储等功能为主要特征的陶瓷材料,主要包括压电、介电、离子导体、超导和磁性陶瓷等。电子陶瓷在小型化和便携式电子产品中占有十分重要的地位,世界各国元器件生产企业都在电子陶瓷及其元器件的新产品、新技术、新工艺、新材料、新设备方面投入巨资进行研究开发。每年都有大量新型功能陶瓷材料及元器件问世。近年来,在国家诸多重点科研计划的支持和推动下,我国在电子陶瓷材料的科学研究与产业化方面有很大发展,但总体来看,我国的电子信息产业,特别是一些附加价值高、技术含量高的新型电子信息产品和一些基础电子产品的生产水平与发达国家相比仍存在很大差距,不少高端产品在相当大的程度上被外资企业所控制。国外的大公司如日本的村田、松下、京都陶瓷,美国的摩托罗拉等近年来长驱直入中国市场,目前已占据了国内片式元器件特别是高档片式元器件市场相当大的份额。我国信息产业正面临着产品升级换代的机遇和挑战。
随着电子信息技术的高速发展,电子陶瓷材料应用领域正在从传统的消费类电子产品转向数字化的信息产品,包括通信设备、计算机和数字化音视频设备等,数字技术对陶瓷元器件提出了一系列特殊的要求。为了满足这些要求,世界各国的大学、研究机构和企业都在以信息技术为应用领域的功能陶瓷新材料、新工艺、新产品方面投入巨资进行研究开发。
传统电子陶瓷材料在电子工业、微电子工业等领域中已经获得了广泛的应用,为高科技发展和国民经济繁荣做出了卓越的贡献。目前这类材料的研究领域主要是利用先进的材料制备技术来进一步改善和提高性能。
钛酸钡BaTi03是一种被普遍研究的具有钙钛矿结构的铁氧体，因其优良的介电性能，在电容器件等方面具有广泛的应用。为了增加介电常数的可调性，降低介电损耗，往往通过掺杂的方法，如用化学性能更为稳定的Zr4+，取代Ti4+，得到锆钛酸钡Ba(Ti0.95 Zr0．05) 03( BZT)。传统的烧结陶瓷方法多采用固相反应烧结。大致分为：热压烧结，热等静压烧结，微波烧结，超高压烧结，真空烧结，气氛烧结，原位加压成型烧结等。本文研究用固相反应法烧结锆钛酸钡压电陶瓷及其特性分析。
实验过程
本实验采用固相烧结法，即固体粉末在高温环境各自分子扩散形成陶瓷化学结
构。
一、配料
选用BaCO3不选BaO作为原料的原因是BaCO3分解后纳米量子活性强.
根据化学反应式20BaCO3+21ZrO2+19TiO2→20Ba(Zr0.05Ti0.95)O3+20CO2↑
材料的纯度分别是99%，99%，99%，计算得
BaCO3 33.8748g ZrO2 1.0576g TiO2 13.0262g
用电子天平称量，精确到小数点后4位的误差在0.0005g
二、球磨
选用尼龙球磨罐和玛瑙球磨球，球磨前将球磨罐进行擦拭，并依次用自来水、蒸馏水和酒精清洗。清洗完成后将称量好的粉末倒入球磨罐，放入行星式球磨机并固定，进行球磨12小时。
三、干燥
放置一个的托盘，在上面盖上一层塑料袋，将球磨好的浆料取出，把球磨罐的盖子移开一小缝，小心地倒出浆料，注意不要将球磨球倒出，并用蒸馏水冲洗球磨罐，将浆料全部倒出。盖上托盘盖，在一端留一小口
四、一次成型
取一研钵和钵杵，用酒精擦拭干净后，倒入干燥后的浆料，将浆料研磨成粉末。在研好的料上用药匙挖9个小坑，用针管抽取由0.5ml的粘合剂与1ml的水配制所需的粘合剂并再次充分研磨到造球的目的。取擦拭干净的成型模具，取造球后的颗粒倒入模具，放到台式粉末压片机上压片，压力保持在8kpa 8秒。再将模具放到油压千斤顶上，驱动千斤顶，使成型的圆片弹出。将圆片放入研钵研磨成粉末，重复成型操作。经过2次重复压片研磨，第三次的圆片内的材料已经混合均匀。
五、预烧
将成型的圆片放入炉中预烧，保持1100℃进行烧结。排除多余杂质，并使反应充分进行。
六、粉碎
将预烧完成的料取出，用干净的研钵研磨成粉末，并进行称量，称量结果为38.4688g。按摩尔比计算混合需要CuO和Mn3O4的质量，混合比例为CuO 0.5%，Mn3O4 0.5%。计算得CuO、Mn3O4质量分别为CuO：0.065003g，Mn3O4:0.18698g。将称量好的CuO和Mn3O4加进粉末中，一起倒入球磨罐。
七、二次球磨同第一次球磨。
八、烘干同第一次干燥。
九、造粒
此次造粒的颗粒有大小要求，需在1~10um之间，所以粉碎时需要特殊操作。将烘干的原料进行研磨，将研磨出的粉末进行压片。取出压成圆片后的原料，放入研钵，把钵杵穿破一张纸，用纸盖住研钵，钵杵竖直向下压圆片，将其压碎，但不要压的太过用力，将研碎的颗
粒用二层网孔大小个不同的筛子筛，将第一层上颗粒较大的原料继续研磨筛选，重复操作。
结束时需将筛网底层颗粒较小的颗粒收集，后面实验要用到。
十、成型
取出第二层上的原料，进行压片操作，此次压成的片直径大约在10mm。
十一、烧结
在圆盘上到上氧化锆粉末，挖取与圆片大小相仿的小坑，将圆片放入坑中，再在圆片上撒
上之前收集的颗粒较细的原料颗粒，再盖上一个小坩埚，放入炉中烧结，烧结与预烧过程类
似，使得陶瓷材料成型。
十二、表面金属化
将烧结完成的圆片取出，用小棒沾取一滴银，滴在表面上，用小刷子将银均匀抹在模子表
面，注意边缘留出0.5mm不涂。两面都涂上银后，将圆片在570℃下烧20分钟。完成后取
出成品陶瓷材料。
结果分析与讨论
1.电物理结构
接下来我们要做的是测试所得到的压电材料。直径和厚度用游标卡尺测量，
得到一个数据直径：10.12mm 厚度 1.62mmm。接通电源电桥开始自检，自检
结束后面板显示725.7PF，电介质损耗为0.0594。电介质的介电损耗一般用损耗
角正切tanδ表示，复介电常数ε=ε'-iε''的虚部与实部的比值即为介电损耗
值，即tanδ=ε''/ε'。电容C=ε0εrs/d（F)其中S为电极的面积，d为介质
的厚度，εr为介质材料的相对介质电常数。将ε0的值代入就可得C=100 εrS/3.6πd(PF)由此得εr=3.6πdC/100s,当电极呈圆形，直径为D米时介电常
数的计算公式：εr=1.44dC/100D2。将数据代入公式中可得εr=165.3PF/m。那
么电容虚部的εr'=9.82PF/m，代入C的计算公式可得电容的虚部为43.1PF。
C 实部：725.7PF，虚部：43.1PF
ε实部：165.3PF/m，虚部：9.82PF/m
1.结构
通过仪器测量可得所求的密度为5.7483，质量为6.586。那么Ba（Zr0.05Ti0.95）
O3为0.028mol，那么一个晶格的质量为6.586/(1.69*1022)=3.88*10-22g
可得多个晶面的晶粒的大小，那么可以得出一个密度大致为 5.1345。那么相对密度可以计算为5.1345/5.7438=90.8%。
下一步是角度补正后利用jade5计算相应的晶格常数，一定要做角度校正。
但是这里出现了问题，无法找到合适的谱线。具体的原因无法找到，可能测量过程中存在较大误差，或者晶体结构发生变化，导致晶粒常数变化特别大。找过
两个版本的教程都无法做成。这里得到的数据是从研究生那里得来的。
相对密度：90.5%
结构
晶格常数：4.0056
结论：
一般来说，判断一个相是否存在有三个条件：（1）标准卡片中的峰位与测量峰的峰位是否匹配，换句话说，一般情况下标准卡片中出现的峰的位置，样品谱中必须有相应的峰与之对应，即使三条强线对应得非常好，但有另一条较强线位置明显没有出现衍射峰，也不能确定存在该相，但是，当样品存在明显的择优取向时除外，此时需要另外考虑择优取向问题；（2）标准卡片的峰强比与样品峰的峰强比要大致相同，但一般情况下，对于金属块状样品，由于择优取向存在，导致峰强比不一致，因此，峰强比仅可作参考；（3）检索出来的物相包含的元素在样品中必须存在，如果检索出一个FeO相，但样品中根本不可能存在Fe元素，则即使其它条件完全吻合，也不能确定样品中存在该相，此时可考虑样品中存在与FeO晶体结构大体相同的某相。对于无机材料和粘土矿物，一般参考“特征峰”来确定物相，而不要求全部峰的对应，因为一种粘土矿物中可能包含的元素也可能不同。
那么通过比较峰位的比较可以得出本次实验的结果，本次实验误差较大，可能的原因在于加入 Mn3O4时，由于手触碰到倒出一端的纸面使不少颗粒被汗水吸附，为了弥补我们加入了数量并不确定的 Mn3O4，我认为这是误差出现的主要问题，另外由于没有上过固体物理，对部分的原理并不知晓，电脑系统对jade5的兼容性使部分功能不能使用等问题也是造成部分实验结果不理想的原因。
【精品实验报告】软件体系结构设计模式实验报告软件体系结构 设计模式实验报告 学生姓名: 所在学院: 学生学号: 学生班级: 指导老师: 完成日期: 一、实验目的 熟练使用PowerDesigner和任意一种面向对象编程语言实现几种常见的设计模式，包括组合模式、外观模式、代理模式、观察者模式和策略模式，理解每一种设计模式的模式动机，掌握模式结构，学习如何使用代码实现这些模式，并学会分析这些模式的使用效果。 二、实验内容 使用PowerDesigner和任意一种面向对象编程语言实现组合模式、外观模式、代理模式、观察者模式和策略模式，包括根据实例绘制模式结构图、编写模式实例实现代码，运行并测试模式实例代码。 (1) 组合模式 使用组合模式设计一个杀毒软件(AntiVirus)的框架，该软件既可以对某个文件夹(Folder)杀毒，也可以对某个指定的文件(File)进行杀毒，文件种类包括文本文件TextFile、图片文件ImageFile、视频文件VideoFile。绘制类图并编程模拟实现。 (2) 组合模式 某教育机构组织结构如下图所示: 北京总部 教务办公室湖南分校行政办公室 教务办公室长沙教学点湘潭教学点行政办公室
教务办公室行政办公室教务办公室行政办公室 在该教育机构的OA系统中可以给各级办公室下发公文，现采用 组合模式设计该机构的组织结构，绘制相应的类图并编程模拟实现，在客户端代码中模拟下发公文。(注:可以定义一个办公室类为抽象叶子构件类，再将教务办公室和行政办公室作为其子类;可以定义一个教学机构类为抽象容器构件类，将总部、分校和教学点作为其子类。) (3) 外观模式 某系统需要提供一个文件加密模块，加密流程包括三个操作，分别是读取源文件、加密、保存加密之后的文件。读取文件和保存文件使用流来实现，这三个操作相对独立，其业务代码封装在三个不同的类中。现在需要提供一个统一的加密外观类，用户可以直接使用该加密外观类完成文件的读取、加密和保存三个操作，而不需要与每一个类进行交互，使用外观模式设计该加密模块，要求编程模拟实现。参考类图如下: reader = new FileReader();EncryptFacadecipher = new CipherMachine();writer = new FileWriter();-reader: FileReader-cipher: CipherMachine-writer: FileWriter +EncryptFacade () +fileEncrypt (String fileNameSrc,: voidString plainStr=reader.read(fileNameSrc); String fileNameDes)String
《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/1712448410.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/1712448410.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；
实验二结构相关 一、实验目得: 通过本实验,加深对结构相关得理解,了解结构相关对CPU性能得影响。 二、实验内容: 1、用WinDLX模拟器运行程序structure_d、s 。 2、通过模拟,找出存在结构相关得指令对以及导致结构相关得部件。 3、记录由结构相关引起得暂停时钟周期数,计算暂停时钟周期数占总执行 周期数得百分比。 4、论述结构相关对CPU性能得影响,讨论解决结构相关得方法。 三、实验程序structure_d、s LHI R2, (A>>16)&0xFFFF 数据相关 ADDUI R2, R2, A&0xFFFF LHI R3, (B>>16)&0xFFFF ADDUI R3, R3, B&0xFFFF ADDU R4, R0, R3 loop: LD F0, 0(R2) LD F4, 0(R3) ADDD F0, F0, F4 ;浮点运算,两个周期,结构相关 ADDD F2, F0, F2 ; < A stall is found (an example of how to answer your questions) ADDI R2, R2, #8 ADDI R3, R3, #8 SUB R5, R4, R2 BNEZ R5, loop ;条件跳转 TRAP #0 ;; Exit < this is a ment !! A: 、double 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 B: 、double 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 四、实验过程 打开软件,load structure_d、s文件,进行单步运行。经过分析,此程序一 次循环中共有五次结构相关。(Rstall 数据相关Stall 结构相关) 1)第一个结构相关:addd f2,,f0,f2 由于前面得数据相关,导致上一条指令addd f0,f0,f4暂停在ID阶段,所以下一条指令addd f2,,f0,f2发生结构相关,导致相关得部件:译码部件。
数据挖掘实验报告（一） 数据预处理 姓名：李圣杰 班级：计算机1304 学号：1311610602
一、实验目的 1.学习均值平滑，中值平滑，边界值平滑的基本原理 2.掌握链表的使用方法 3.掌握文件读取的方法 二、实验设备 PC一台，dev-c++5.11 三、实验内容 数据平滑 假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 25, 25, 25, 25, 30, 33, 33, 35, 35, 35, 35, 36, 40, 45, 46, 52, 70。使用你所熟悉的程序设计语言进行编程，实现如下功能（要求程序具有通用性）： (a) 使用按箱平均值平滑法对以上数据进行平滑，箱的深度为3。 (b) 使用按箱中值平滑法对以上数据进行平滑，箱的深度为3。 (c) 使用按箱边界值平滑法对以上数据进行平滑，箱的深度为3。 四、实验原理 使用c语言，对数据文件进行读取，存入带头节点的指针链表中，同时计数，均值求三个数的平均值，中值求中间的一个数的值，边界值将中间的数转换为离边界较近的边界值 五、实验步骤 代码 #include
程序设计基础 实验报告 实验编号 1905B000201 实验名称顺序结构 实验地点软件技术实验室（2） 班级19软嵌2班 学号 姓名
一、实验目的： 1、掌握编程环境的使用 2、掌握基本数据类型、变量的定义和赋值； 3、掌握输入输出语句 4、理解顺序结构的使用 二、实验内容： 问题1： 源代码： #include
printf("%d*%d=%d\n",num1,num2,mul); printf("%d/%d=%.2f\n",num1,num2,shang); printf("%d%%%d=%d\n",num1,num2,yushu); return 0; } 输入：5 3 结果： 问题2： 源代码： #include
大数据理论与技术读书报告 -----K最近邻分类算法 指导老师: 陈莉 学生姓名: 李阳帆 学号: 201531467 专业: 计算机技术 日期 :2016年8月31日
摘要 数据挖掘是机器学习领域内广泛研究的知识领域，是将人工智能技术和数据库技术紧密结合，让计算机帮助人们从庞大的数据中智能地、自动地提取出有价值的知识模式，以满足人们不同应用的需要。K 近邻算法（KNN）是基于统计的分类方法，是大数据理论与分析的分类算法中比较常用的一种方法。该算法具有直观、无需先验统计知识、无师学习等特点，目前已经成为数据挖掘技术的理论和应用研究方法之一。本文主要研究了K 近邻分类算法，首先简要地介绍了数据挖掘中的各种分类算法，详细地阐述了K 近邻算法的基本原理和应用领域，最后在matlab环境里仿真实现，并对实验结果进行分析，提出了改进的方法。 关键词：K 近邻，聚类算法，权重，复杂度，准确度
1.引言 (1) 2.研究目的与意义 (1) 3.算法思想 (2) 4.算法实现 (2) 4.1 参数设置 (2) 4.2数据集 (2) 4.3实验步骤 (3) 4.4实验结果与分析 (3) 5.总结与反思 (4) 附件1 (6)
1.引言 随着数据库技术的飞速发展，人工智能领域的一个分支—— 机器学习的研究自 20 世纪 50 年代开始以来也取得了很大进展。用数据库管理系统来存储数据，用机器学习的方法来分析数据，挖掘大量数据背后的知识，这两者的结合促成了数据库中的知识发现（Knowledge Discovery in Databases，简记 KDD）的产生，也称作数据挖掘（Data Ming，简记 DM）。 数据挖掘是信息技术自然演化的结果。信息技术的发展大致可以描述为如下的过程：初期的是简单的数据收集和数据库的构造；后来发展到对数据的管理，包括：数据存储、检索以及数据库事务处理；再后来发展到对数据的分析和理解， 这时候出现了数据仓库技术和数据挖掘技术。数据挖掘是涉及数据库和人工智能等学科的一门当前相当活跃的研究领域。 数据挖掘是机器学习领域内广泛研究的知识领域，是将人工智能技术和数据库技术紧密结合，让计算机帮助人们从庞大的数据中智能地、自动地抽取出有价值的知识模式，以满足人们不同应用的需要[1]。目前，数据挖掘已经成为一个具有迫切实现需要的很有前途的热点研究课题。 2.研究目的与意义 近邻方法是在一组历史数据记录中寻找一个或者若干个与当前记录最相似的历史纪录的已知特征值来预测当前记录的未知或遗失特征值[14]。近邻方法是数据挖掘分类算法中比较常用的一种方法。K 近邻算法（简称 KNN）是基于统计的分类方法[15]。KNN 分类算法根据待识样本在特征空间中 K 个最近邻样本中的多数样本的类别来进行分类，因此具有直观、无需先验统计知识、无师学习等特点，从而成为非参数分类的一种重要方法。 大多数分类方法是基于向量空间模型的。当前在分类方法中，对任意两个向量： x= ) ,..., , ( 2 1x x x n和) ,..., , (' ' 2 ' 1 'x x x x n 存在 3 种最通用的距离度量：欧氏距离、余弦距 离[16]和内积[17]。有两种常用的分类策略：一种是计算待分类向量到所有训练集中的向量间的距离：如 K 近邻选择K个距离最小的向量然后进行综合，以决定其类别。另一种是用训练集中的向量构成类别向量，仅计算待分类向量到所有类别向量的距离，选择一个距离最小的类别向量决定类别的归属。很明显，距离计算在分类中起关键作用。由于以上 3 种距离度量不涉及向量的特征之间的关系，这使得距离的计算不精确，从而影响分类的效果。
（五）花的解剖结构 典型的被子植物的一朵花是由花萼、花冠、雄蕊和雌蕊组成的。 具有上述4部分的花称为完全花，如桃、梅等；缺少其中一部分的花称为不完全花，如桑、榉等。从进化角度来分析，花实际上是一种适应于生殖的变态短枝，而花萼、花冠、雄蕊和雌蕊是变态的叶。 1．花梗和花托 花梗（柄）是花与茎的连接部分，主要起支持和输导作用。花梗的顶端是着生花的花托。花托的形状因植物种类的不同而各式各样，如玉兰的花托呈圆锥形，蔷薇花托呈杯状等等。 2．花被 花被是花萼和花冠的总称。 （1）花萼 位于花的外侧，通常由几个萼片组成。有些植物具有两轮花萼，最外轮的为副萼，如木槿、扶桑等。花萼随花脱落的称为早落萼，如桃、梅等；花萼在果实成熟时仍存留的称为宿存萼，如石榴、柿子等。各萼片完全分离的称离萼，如玉兰、毛茛等；花萼连为一体的称合萼，如石竹等。 （2）花冠 位于花萼内侧，由若干花瓣组成，排列为一轮或数轮，对花蕊有保护作用。由于花瓣中含有色素并能分泌芳香油与蜜汁，所以花冠颜色艳丽，具有芳香，能招引昆虫，起到传粉作用。 花冠的类型 A—十字形花冠；B—蝶形花冠；C—管状花冠；D一舌状花冠； E—唇形花冠；F—有距花冠；G一喇叭状花冠；H—漏斗状花冠 （A、B为离瓣花；C～H为合瓣花） l一柱头；2—花柱；3—花药；4一花冠； 5一花丝；6一冠毛；7—胚珠；8一子房 花冠形态因植物种类的不同而千姿百态，按花瓣离合程度，花冠可分为离瓣花冠与合瓣花冠两类（如上图所示）。①离瓣花冠：花瓣基部彼此完全分离，这种花冠称为离瓣花冠，常见有以下几种： 蔷薇型花冠：由5个（或5的倍数）分离的花瓣排列成，如桃、梨等。 十字型花冠：由4个花瓣十字型排列组成，如二月兰、桂竹香等。 ②合瓣花冠：花瓣全部或基部合生的花冠称为合瓣花冠，常见有以下几种：
中南大学软件学院 软件体系结构 设计模式实验报告 学生姓名：宋昂 所在学院：软件学院 学生学号： 3901080115 学生班级：软件0801 指导老师：刘伟 完成日期： 2010-12-7
一、实验目的 熟练使用PowerDesigner和任意一种面向对象编程语言实现几种常见的设计模式，包括简单工厂模式、工厂方法模式、抽象工厂模式、单例模式和适配器模式，理解每一种设计模式的模式动机，掌握模式结构，学习如何使用代码实现这些模式，并学会分析这些模式的使用效果。 二、实验内容 使用PowerDesigner和任意一种面向对象编程语言实现简单工厂模式、工厂方法模式、抽象工厂模式、单例模式和适配器模式，包括根据实例绘制模式结构图、编写模式实例实现代码，运行并测试模式实例代码。 (1) 简单工厂模式 使用简单工厂模式设计一个可以创建不同几何形状(Shape)的绘图工具类，如可创建圆形(Circle)、方形(Rectangle)和三角形(Triangle) 对象，每个几何图形都要有绘制draw()和擦除erase()两个方法，要求在绘制不支持的几何图形时，提示一个UnsupportedShapeException，绘制类图并编程实现。 (2) 简单工厂模式 使用简单工厂模式模拟女娲(Nvwa)造人(Person)，如果传入参数“M”，则返回一个Man 对象，如果传入参数“W”，则返回一个Woman对象，使用任意一种面向对象编程语言实现该场景。现需要增加一个新的Robot类，如果传入参数“R”，则返回一个Robot对象，对代码进行修改并注意女娲的变化。 (3) 工厂方法模式 某系统日志记录器要求支持多种日志记录方式，如文件记录、数据库记录等，且用户可以根据要求动态选择日志记录方式，现使用工厂方法模式设计该系统。用代码实现日志记录器实例，如果在系统中增加一个中的日志记录方式——控制台日志记录(ConsoleLog)，绘制类图并修改代码，注意增加新日志记录方式过程中原有代码的变化。
数据挖掘实验报告（二）关联规则挖掘 姓名：李圣杰 班级：计算机1304 学号：1311610602
一、实验目的 1. 1.掌握关联规则挖掘的Apriori算法； 2.将Apriori算法用具体的编程语言实现。 二、实验设备 PC一台，dev-c++5.11 三、实验内容 根据下列的Apriori算法进行编程：
四、实验步骤 1.编制程序。 2.调试程序。可采用下面的数据库D作为原始数据调试程序，得到的候选1项集、2项集、3项集分别为C1、C2、C3，得到的频繁1项集、2项集、3项集分别为L1、L2、L3。
代码 #include 顺序表的应用数据结构实验报告记录 ————————————————————————————————作者：————————————————————————————————日期： 大学数据结构实验报告 课程名称数据结构实验第（三）次实验实验名称顺序表的应用 学生姓名于歌专业班级学号 实验成绩指导老师（签名）日期2018年9月30日一、实验目的 1．学会定义线性表的顺序存储类型，实现C程序的基本结构，对线性表的一些基本操作和具体的函数定义。 2．掌握顺序表的基本操作，实现顺序表的插入、删除、查找以及求并集等运算。 3．掌握对多函数程序的输入、编辑、调试和运行过程。 二、实验要求 1．预习C语言中结构体的定义与基本操作方法。 2．对顺序表的每个基本操作用单独的函数实现。 3．编写完整程序完成下面的实验内容并上机运行。 4．整理并上交实验报告。 三、实验内容： 1．定义一个包含学生信息（学号，姓名，成绩）的顺序表，使其具有如下功能： （1）根据指定学生个数，逐个输入学生信息 （2）逐个显示学生表中所有学生的相关信息 （3）根据姓名进行查找，返回此学生的学号和成绩 （4）根据指定的位置可返回相应的学生信息（学号，姓名，成绩） （5）给定一个学生信息，插入到表中指定的位置 （6）删除指定位置的学生记录 （7）统计表中学生个数 四、实验设计 1．定义一个包含学生信息（学号，姓名，成绩）的顺序表，使其具有如下功能： （1）根据指定学生个数，逐个输入学生信息 for(count=0; count 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： 南京工程学院实验报告 操作的函数程序清单，分别用顺序表和链表结构完成，并在首页上表明团队名称、成员及个人的工作（函数），未来的成绩评定时将包含这一部分的团队成绩及个人的工作成绩。 一、实验目的 1.熟悉上机环境，进一步掌握语言的结构特点。 2.掌握线性表的顺序存储结构的定义及实现。 3.掌握线性表的链式存储结构——单链表的定义及实现。 4.掌握线性表在顺序存储结构即顺序表中的各种基本操作。 5.掌握线性表在链式存储结构——单链表中的各种基本操作。 二、实验内容 1.顺序线性表的建立、插入及删除。 2.链式线性表的建立、插入及删除。 三、实验步骤 1.建立含n个数据元素的顺序表并输出该表中各元素的值及顺序表的长度。 2.利用前面的实验先建立一个顺序表L={21，23，14，5，56，17，31}，然后在第i个位置插入元素68。 3.建立一个带头结点的单链表，结点的值域为整型数据。要求将用户输入的数据按尾插入法来建立相应单链表。 四、程序主要语句及作用（main函数程序清单） 程序1的主要代码(附简要注释) #include 实验二结构相关 一、实验目的： 通过本实验，加深对结构相关的理解，了解结构相关对CPU性能的影响。 二、实验内容： 1. 用WinDLX模拟器运行程序structure_d.s 。 2. 通过模拟，找出存在结构相关的指令对以及导致结构相关的部件。 3. 记录由结构相关引起的暂停时钟周期数，计算暂停时钟周期数占总执行 周期数的百分比。 4. 论述结构相关对CPU性能的影响，讨论解决结构相关的方法。 三、实验程序structure_d.s LHI R2, (A>>16)&0xFFFF 数据相关 ADDUI R2, R2, A&0xFFFF LHI R3, (B>>16)&0xFFFF ADDUI R3, R3, B&0xFFFF ADDU R4, R0, R3 loop: LD F0, 0(R2) LD F4, 0(R3) ADDD F0, F0, F4 ；浮点运算，两个周期，结构相关 ADDD F2, F0, F2 ; <- A stall is found (an example of how to answer your questions) ADDI R2, R2, #8 ADDI R3, R3, #8 SUB R5, R4, R2 BNEZ R5, loop ；条件跳转 TRAP #0 ;; Exit <- this is a comment !! A: .double 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 B: .double 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 四、实验过程 打开软件，load structure_d.s文件，进行单步运行。经过分析，此程序一 次循环中共有五次结构相关。（R-stall 数据相关Stall- 结构相关） 1)第一个结构相关：addd f2,,f0,f2 由于前面的数据相关，导致上一条指令addd f0,f0,f4暂停在ID阶段，所以下一条指令addd f2,,f0,f2发生结构相关，导致相关的部件：译码部件。 2)第二个结构相关：ADDI R2, R2, #8，与第一个结构相关类似。由于数据相关， 上一条指令暂停在ID阶段，所以导致下一条指令发生结构相关。 （封面） 学生实验报告 学院：国际经贸学院 课程名称：数据结构 专业班级： 09电子商务 姓名： 学号： 学生实验报告 （经管类专业用） 一、实验目的及要求： 1、目的 通过实验，实现顺序表的各种基本运算。 2、内容及要求 编写一个程序，实现顺序表的各种基本运算，并在此基础上设计一个主程序完成下列功能： (1) 初始化顺序表L (2) 依次采用尾插法插入a，b，c，d，e (3) 输出顺序表L (4) 输出顺序表L长度； (5) 判断顺序表L是否为空； (6) 判断顺序表L 的第3个元素； (7) 输出元素‘a’的位置； (8) 在第4个元素位置上插入‘f’元素； (9) 输出顺序表L (10) 删除L的第3个元素； (11) 输出顺序表L (12) 释放顺序表L 二、仪器用具： 三、实验方法与步骤: 一、查阅顺序表等相关资料，熟悉顺序表基本概念和流程 二、“开展”顺序表实验流程 三、整理实验数据和文档，总结实验的过程，编写实验报告 四、实验结果与数据处理： 1、顺序表的代码： #include 实验一 ID3算法实现 一、实验目的 通过编程实现决策树算法，信息增益的计算、数据子集划分、决策树的构建过程。加深对相关算法的理解过程。 实验类型：验证 计划课间：4学时 二、实验内容 1、分析决策树算法的实现流程； 2、分析信息增益的计算、数据子集划分、决策树的构建过程； 3、根据算法描述编程实现算法，调试运行； 4、对所给数据集进行验算，得到分析结果。 三、实验方法 算法描述： 以代表训练样本的单个结点开始建树； 若样本都在同一个类，则该结点成为树叶，并用该类标记； 否则，算法使用信息增益作为启发信息，选择能够最好地将样本分类的属性； 对测试属性的每个已知值，创建一个分支，并据此划分样本； 算法使用同样的过程，递归形成每个划分上的样本决策树 递归划分步骤，当下列条件之一成立时停止： 给定结点的所有样本属于同一类； 没有剩余属性可以进一步划分样本，在此情况下，采用多数表决进行 四、实验步骤 1、算法实现过程中需要使用的数据结构描述： Struct {int Attrib_Col; // 当前节点对应属性 int Value; // 对应边值 Tree_Node* Left_Node; // 子树 Tree_Node* Right_Node // 同层其他节点 Boolean IsLeaf; // 是否叶子节点 int ClassNo; // 对应分类标号 }Tree_Node; 2、整体算法流程 主程序： InputData(); T=Build_ID3(Data,Record_No, Num_Attrib); OutputRule(T); 释放内存; 3、相关子函数： 3.1、 InputData() { 输入属性集大小Num_Attrib; 输入样本数Num_Record; 分配内存Data[Num_Record][Num_Attrib]; 输入样本数据Data[Num_Record][Num_Attrib]； 获取类别数C(从最后一列中得到); } 3.2、Build_ID3(Data,Record_No, Num_Attrib) { Int Class_Distribute[C]; If (Record_No==0) { return Null } N=new tree_node(); 计算Data中各类的分布情况存入Class_Distribute Temp_Num_Attrib=0; For (i=0;i 福建农林大学计算机与信息学院 实验报告 课程名称：软件设计与体系结构 姓名：陈宇翔 系：软件工程系 专业：软件工程 年级：2007 学号：070481024 指导教师：王李进 职称：讲师 2009年12月16日 实验项目列表 福建农林大学计算机与信息学院实验报告 学院：计算机与信息学院专业：软件工程系年级：2007 姓名：陈宇翔 学号：070481024 课程名称：软件设计与体系结构实验时间：2009-10-28 实验室田实验室312、313计算机号024 指导教师签字：成绩： 实验1：ACME软件体系结构描述语言应用 一、实验目的 1）掌握软件体系结构描述的概念 2）掌握应用ACMESTUDIO工具描述软件体系结构的基本操作 二、实验学时 2学时。 三、实验方法 由老师提供软件体系结构图形样板供学生参考，学生在样板的指导下修改图形，在老师的指导下进行软件体系结构描述。 四、实验环境 计算机及ACMESTUDIO。 五、实验内容 利用ACME语言定义软件体系结构风格，修改ACME代码，并进行风格测试。 六、实验操作步骤 一、导入Zip文档 建立的一个Acme Project，并且命名为AcmeLab2。如下图： 接着导入ZIP文档，导入完ZIP文档后显示的如下图： 二、修改风格 在AcmeLab2项目中,打开families下的TieredFam.acme.如下图： 修改组件外观 1. 在组件类型中，双击DataNodeT; 在其右边的编辑器中，将产生预览；选择Modify 按钮，将打开外观编辑器对话框。 2. 首先改变图形：找到Basic shape section，在Stock image dropdown menu中选 择Repository类型. 3. 在Color/Line Properties section修改填充颜色为深蓝色。 4. 在颜色对话框中选择深蓝色，并单击 [OK]. 5. 修改图形的边框颜色为绿色 7. 单击Label tab，在Font Settings section, 设置字体颜色为白色,单击[OK] 产生的图形如下图： 数据结构实验报告-顺序表的创建、遍历及有序合并操作二、实验内容与步骤 实现顺序表的创建、遍历及有序合并操作，基本数据结构定义如下： typedef int ElemType; #define MAXSIZE 100 #define FALSE 0 #define TRUE 1 typedef struct {ElemType data[MAXSIZE]; int length; }seqlist; 创建顺序表，遍历顺序表 #include #define TRUE 1 typedef int ElemType; //用户自定义数据元素类型 // 顺序表结构体的定义 typedef struct { ElemType *elem; //顺序表的基地址 int length; //顺序表的当前长度 int listsize; //预设空间容量 }SqList; //线性表的顺序存储结构 SqList* InitList() //创建空的顺序表 { SqList* L = (SqList*)malloc(sizeof(SqList));//定义顺序表L if(!L) { printf("空间划分失败，程序退出\n"); return NULL; } L->elem=(ElemType *)malloc(MAXSIZE*sizeof(ElemType)); if(!L->elem) { printf("空间划分失败，程序退出\n"); 实验三 一、实验原理 K-Means算法是一种 cluster analysis 的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。 在数据挖掘中，K-Means算法是一种cluster analysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。 算法原理： (1) 随机选取k个中心点； (2) 在第j次迭代中，对于每个样本点，选取最近的中心点，归为该类； (3) 更新中心点为每类的均值； (4) j<-j+1 ,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步 数，误差不变. 空间复杂度o(N) 时间复杂度o(I*K*N) 其中N为样本点个数，K为中心点个数，I为迭代次数 二、实验目的： 1、利用R实现数据标准化。 2、利用R实现K-Meams聚类过程。 3、了解K-Means聚类算法在客户价值分析实例中的应用。 三、实验内容 依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。对其进行标准差标准化并保存后，采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。编写R程序，完成客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数 四、实验步骤 1、依据航空公司客户价值分析的LRFMC模型提取客户信息的LRFMC指标。 2、确定要探索分析的变量 3、利用R实现数据标准化。 4、采用k-means算法完成客户的聚类，分析每类的客户特征，从而获得每类客户的价值。 客户的k-means聚类，获得聚类中心与类标号，并统计每个类别的客户数 六、思考与分析 使用不同的预处理对数据进行变化，在使用k-means算法进行聚类，对比聚类的结果。 kmenas算法首先选择K个初始质心，其中K是用户指定的参数，即所期望的簇的个数。 这样做的前提是我们已经知道数据集中包含多少个簇. 1.与层次聚类结合 经常会产生较好的聚类结果的一个有趣策略是，首先采用层次凝聚算法决定结果 花的解剖结构 典型的被子植物的一朵花是由花萼、花冠、雄蕊和雌蕊组成的。 具有上述4部分的花称为完全花，如桃、梅等；缺少其中一部分的花称为不完全花，如桑、榉等。从进化角度来分析，花实际上是一种适应于生殖的变态短枝，而花萼、花冠、雄蕊和雌蕊是变态的叶。 1．花梗和花托 花梗（柄）是花与茎的连接部分，主要起支持和输导作用。花梗的顶端是着生花的花托。花托的形状因植物种类的不同而各式各样，如玉兰的花托呈圆锥形，蔷薇花托呈杯状等等。 2．花被 花被是花萼和花冠的总称。 （1）花萼 位于花的外侧，通常由几个萼片组成。有些植物具有两轮花萼，最外轮的为副萼，如木槿、扶桑等。花萼随花脱落的称为早落萼，如桃、梅等；花萼在果实成熟时仍存留的称为宿存萼，如石榴、柿子等。各萼片完全分离的称离萼，如玉兰、毛茛等；花萼连为一体的称合萼，如石竹等。 （2）花冠 位于花萼内侧，由若干花瓣组成，排列为一轮或数轮，对花蕊有保护作用。由于花瓣中含有色素并能分泌芳香油与蜜汁，所以花冠颜色艳丽，具有芳香，能招引昆虫，起到传粉作用。 花冠的类型 A—十字形花冠；B—蝶形花冠；C—管状花冠；D一舌状花冠； E—唇形花冠；F—有距花冠；G一喇叭状花冠；H—漏斗状花冠 （A、B为离瓣花；C～H为合瓣花） l一柱头；2—花柱；3—花药；4一花冠； 5一花丝；6一冠毛；7—胚珠；8一子房 花冠形态因植物种类的不同而千姿百态，按花瓣离合程度，花冠可分为离瓣花冠与合瓣花冠两类（如上图所示）。①离瓣花冠：花瓣基部彼此完全分离，这种花冠称为离瓣花冠，常见有以下几种： 蔷薇型花冠：由5个（或5的倍数）分离的花瓣排列成，如桃、梨等。 十字型花冠：由4个花瓣十字型排列组成，如二月兰、桂竹香等。 ②合瓣花冠：花瓣全部或基部合生的花冠称为合瓣花冠，常见有以下几种：顺序表的应用数据结构实验报告记录
大数据挖掘weka大数据分类实验报告材料
数据结构实验报告
计算机体系结构实验报告二
数据结构-实验报告顺序表基本运算
数据挖掘实验报告1
软件设计与体系结构实验报告
数据结构实验报告-顺序表的创建、遍历及有序合并操作
数据挖掘实验报告三
花的解剖结构详解
相关主题
文本预览