幼儿表情识别实验报告
摘要在情绪活动中，人的面部、姿态和语音、语调会发生一系列明显的变化，这些变化因为可被他人直接观察到，往往成为情绪活动的表征，所以统称为“表情”。它包括面部表情、姿态表情和语调表情。面部表情为人际交流提供了丰富的个人信息和社会交往信息。本实验采用了表情指认的范式，探讨学前儿童对于高兴、好奇、伤心、害怕、讨厌和愤怒等6种面部表情的识别特点。结果发现，大中小班的儿童均对于“高兴”和“好奇”等积极情绪的表情识别成绩最好，对于“愤怒”的识别成绩最差，其他消极情绪的识别成绩居于之间。随着年龄增长，儿童对于以上6种基本表情（特别是高兴、好奇和生气）的识别能力也逐渐增强。
关键词学前儿童面部表情识别
1 引言
在情绪活动中，人的面部、体姿和语音、语调会发生一系列明显的变化，例如：面红耳赤、目瞪口呆、手舞足蹈、语无伦次等等。这些变化因为可被他人直接观察到，往往成为情绪活动的表征，所以统称为“表情”。表情是情绪活动所特有的外显表现，是人际交往的重要工具，也是研究情绪的重要客观指标。它包括面部表情、姿态表情和语调表情。其中最引人关注，也是非常重要的表情就是面部表情。（邹巍,2007）
面部表情是指通过眼部肌肉、颜面肌肉和口部肌肉的变化来表现各种情绪状态。面部表情是情绪的发生机制，它是最敏感的情绪发生器，也是显示器。同时，面部表情也可以被定义成面部肌肉的特定运动模式。这些特殊的肌肉和其他肌肉组织不同，并不负责关节运动的功能，而仅仅用来专门承担面部表情的表达任务。表情的独特地位从其生理基础就可见一斑。
面部表情的重要性在于它是人类情绪最为明显的外显形式，是人际交往中传递情绪的主要媒介。面部表情为人际交流提供了一套快捷、有效的符号系统，使得个体情绪不需要依赖言语就能准确地被传递出来。它包含丰富的个人信息和社会交往信息，同时还传达出一些有关人的认知、行为、性情、个性、气质、真实性和心理的信息。当看到不同面孔时，人能轻易地识别同一种表情，这就是所谓的面部表情识别。这种机能，在人类的生存活动和种族演进中具有重要的生物适应价值和社会交际功能。
那么，人类从何时开始能够识别不同的面部表情呢？以往研究发现，婴儿早在3个月时就能区分通过图片呈现的一些基本面部表情的模式，如愉快、悲伤和惊奇等，到
7个月时已能对一些基本积极表情进行表情意义上的归类识别，即可以跨情境、跨面孔地抽取出它们的表情模式（梅冬梅等, 2013）。利用习惯化与去习惯化的实验范式，研究者还发现，10个月大的婴儿可以区分高级分组的积极情绪（快乐＋惊奇）与高级分组的消极情绪（愤怒＋恐惧）。
关于面部表情模式的研究，贡献较大的是Izard和P. Ekman。他们通过婴儿面部表情提出了特定的基本情绪的面部模式和标定的标准，并从而得出人类基本情绪的类别。Ekman制订了一个以面部肌肉运动成分为基础的情绪测量系统，称为“面部表情编码技术”(FAST)。FAST把面部分为：(1)额-眉区，(2)眼-睑区，(3)鼻颊-口唇区三个部位，以照片为标本确定每一部位的肌肉运动变化，从而提出愉快、惊奇、悲伤、厌恶、愤怒和惧怕六种情绪。Ekman和Frieser又把FAST修改为“面部运动编码系统”(FACS)。FACS是以解剖为基础，标定面部肌肉运动，分辨出和FAST相同的六种情绪。Izard和Dougherty提出了“最大限度辨别面部肌肉运动编码系统”(Max)，能辨认兴趣、愉快、惊奇、悲伤、愤怒、厌恶、轻蔑、惧怕和生理不适的痛苦9种基本情绪。
对儿童面部表情识别与标签能力的研究，所使用的任务可以划分为4种类型：情境情绪识别、表情匹配、表情指认和表情标签。其中，表情指认是要求儿童从许多面部表情的图片中指认出某一面部表情，即给出情绪词，要求儿童选择出情绪信息与情绪词相一致的面部表情图片（王振宏等,2010）。
本实验主要利用表情指认的方式，了解学前儿童对高兴、伤心、害怕、生气、好奇和讨厌等6种表情识别的特点及其发展特点。
2 实验方法
2.1 研究目的
本实验旨在采用选择图片的方式，了解儿童对高兴、伤心、害怕、生气、好奇和讨厌等六种表情识别的特点及其发展特点。2.2 研究方法
2.2.1 被试本实验被试为三墩幼儿园大班儿童共12名，其中男生5名，女生7名。
2.2.2 实验材料
本实验的材料是6张标准的中国1岁婴儿的6种情绪的面部表情图片，每个图片都有编号，但没有写上对应的情绪名称。
2.2.3 研究程序
在实验结束前，主试和被试均不知道每张图片所对应的表情是什么，这也保证了实验的双盲性质，从而提高了实验效度。
实验进行时，主试随机在被试面前排列6张面部表情的图片，然后对被试说：“小朋友，你能够指出来哪张图片上的小朋友感到××（一种情绪名称，由主试随机从高兴、伤心、害怕、生气、好奇、讨厌中选择，每次选择一个）吗？”等到被试做出回答，主试则把全部图片按随机顺序收起来，并重新排列图片顺序，重复上述问答的步骤。6次问答之后，实验就完成了。
2.3 结果及数据分析
将所有大班被试的实验结果整理如表1和表2所示，其中表2的前3行是笔者跟踪的被试，其他被试来源于同组同学。在实验结果中，图片表情与编号的对应关系如下：4高兴；3伤心；2害怕；5生气；6 好奇；1讨厌。
对表2前3行被试的数据分析发现，大班儿童对“高兴”、“伤心”和“好奇”表情的识别正确率很高，而更多地将“生气”的表情和“讨厌”的表情混淆起来。在实验过程中还发现，由于每次呈现图片的顺序都被打乱，被试在做出选择时有可能会出现了一张图匹配多种表情的情形（如：“点点”被试选择了两次5号图；“小仪”被试选择了两次1号图）。这个结果一定程度上说明了被试的反应是直接基于表情识别的，而没有借助排除法等其他策略，从而保证了实验的效度。
对所有大班被试的实验结果（表1）分析可知，“高兴”和“好奇”的表情识别正确率最高，“生气”和“讨厌”的表情识别正确率最低。进一步分析发现，有82%的大班儿童高度一致地将“讨厌”的表情理解为“生气”，这也一定程度说明了这两种表情对于该年龄段的儿童来说极容易混淆，也可能是静态的图片不利于复杂表情的识别，或者所选的材料不够典型。另外，在识别“害怕”和“讨厌”表情时，大班儿童均出现了将“害怕”和“生气”的表情混淆起来的情况；这表现在选择二者的人数相近且较多。
表1 大班被试表情识别实验结果（1）
情绪名称图片编号及选择的人数正确人数图1 图2 图3 图4 图5 图6
高兴×××11 1 ×11
伤心 2 3 7 ×××7
害怕× 5 ×× 4 3 5
生气9 1 ×× 2 × 2
好奇 1 ×× 1 ×10 10
讨厌 3 4 1 × 4 × 3
表2 大班被试表情识别实验结果（2）
被试性别表情名称及被试回答
高兴伤心害怕生气好奇讨厌点点女 4 3 5 1 6 5 琳琳女 4 3 2 1 6 5 小仪女 5 2 6 1 1 3 欣欣女 4 3 2 2 6 1 陶陶女 4 1 6 1 6 2 桐桐男 4 2 5 1 6 5 饭饭男 4 1 2 5 6 1 慧慧女 4 2 6 1 6 2 浩浩男 4 3 5 1 6 2 硕硕男 4 3 2 1 4 2 冰冰男 4 3 2 5 6 5 瑶瑶女 4 3 5 1 6 1
结合其他组同学的实验数据，将大中小班所有被试的实验结果整理如表3所示，绘成折线图如图1所示。
横向分析看来，对于大班和中班儿童，“高兴”和“好奇”表情的识别正确率最高，而“生气”表情的识别正确率最低；对于小班儿童，“高兴”和“伤心”表情的识别正确率最高，同样也是“生气”表情的识别正确率最低。总体而言，识别正确率从高到低分别为：高兴、好奇、伤心、害怕、讨厌和愤怒。也可以归纳为对“高兴”和“好奇”等积极情绪的高识别率，及对“生气”等消极情绪的低识别率，这个结果在大中小班的儿童中都具有跨年龄的一致性。
再对三个年龄段的被试数据进行如表2所示的处理，得到表4所示的结果。从中发现：⑴三个年龄段的被试都一致地倾向于将“讨厌”的表情理解为“生气”，这个比例在大中小班儿童中分别为66.7%、52.6%和
38.1%，这对实验结果造成的影响不可忽视；
⑵由表4可见，三个年龄段的被试会不同程度地将“伤心”和“害怕”的表情混淆起来。这表现在数据上为：选择易混淆的两种表情的人数相近且明显多于选择其他表情的人数。这一定程度上说明了对于学前儿童，这几种表情容易混淆。
纵向分析看来，总体而言，儿童对各表情识别的正确率都呈现出了随着年龄增加而增加的趋势，特别是对于“高兴”、“生气”和“好奇”表情的识别，增加的程度较大；而对于“伤心”、“害怕”、“讨厌”等表情，识别的正确率随年龄的变化趋势不明显。综上所述，中班可能是儿童表情识别，特别是对高兴和好奇的表情识别发展的重要转折点。
表3 各年龄组被试表情识别正确率（%）
年龄段高兴伤心害怕生气好奇讨厌小班66.7 47.6 28.6 4.8 38.1 23.8 中班84.2 47.4 52.6 10.5 52.6 26.3 大班92.6 44.4 37.0 14.8 77.8 25.9
图1 各年龄段儿童表情识别的正确率
表4 中班和小班儿童表情识别结果
被试情绪名称图片编号及选择的人数正确人
数
图1 图2 图3 图4 图5 图6
中班高兴 1 ××16 2 ×16 伤心 3 6 9 ×1×9 害怕 3 6 10 ××× 6 生气10 4 1 × 2 1 2 好奇 4 ×× 3 2 10 10 讨厌 5 3 2 2 4 3 5
小班高兴×××14 7 ×14 伤心×8 10 × 1 2 10 害怕 2 6 10 × 2 × 6 生气8 1 2 × 1 7 1 好奇 4 × 3 × 2 8 8 讨厌 5 2 2 1 6 3 5
3 讨论
3.1 探讨幼儿表情识别发展的趋势，哪个年龄是转折点？
由实验结果可见，同一年龄段的儿童对以上6种表情的识别存在显著个体差异。横向分析看来，对于大班和中班儿童，“高兴”和“好奇”表情的识别正确率最高，而“生气”表情的识别正确率最低，其他表情的识别正确率介于它们之间；对于小班儿童，“高兴”和“伤心”表情的识别正确率最高，同样也是“生气”表情的识别正确率最低。总体而言，可以归纳为对“高兴”表情的高识别率和对“生气”表情的低识别率，这个结果在大中小班的儿童中都具有跨年龄的一致性。
然而，这与前人的研究结果不完全相符。Markham等（1992）发现，学前儿童对于以上6种基本面部表情识别的正确率从高到低分别为：高兴、伤心、愤怒、害怕、好奇和讨厌；而本实验的结果则为：高兴、好奇、伤心、害怕、讨厌和愤怒。出现的最大分歧的地方在于，本实验中学前儿童对好奇表情的识别正确率显著偏高，而对愤怒表情的识别正确率显著偏低。事后又发现，让主试指
认出“愤怒”表情时，作为大学生的他们也
非常容易出错。这可能是由于实验材料的图片是黑白的且是静态的所造成的，一定程度上解释了为什么学前儿童对于“愤怒”的识别能力要显著低于前人的研究结果。
纵向分析看来，总体而言，儿童对各表情识别的正确率都呈现出了随着年龄增加而增加的趋势，特别是对于“高兴”、“生气”和“好奇”表情的识别，增加的程度较大；而对于“伤心”、“害怕”、“讨厌”等表情，识别的正确率随年龄的变化趋势不明显。大中小班儿童对以上6种表情的平均辨认正确率分别为：48.8%、45.6%和34.9%。
综上所述，中班可能是儿童表情识别（特别是对高兴和好奇的表情识别）发展的重要年龄转折点。这与王振宏等（2010）的研究结果是一致的。
3.2 哪些情绪的表情容易混淆？
综合实验结果发现，“讨厌”和“生气”、“伤心”和“害怕”的表情容易被学前儿童混淆。具体表现为：
⑴大中小班的被试都一致地倾向于将“讨厌”的表情理解为“生气”，这个比例在大中小班儿童中分别为66.7%、52.6%和38.1%，这说明了“讨厌”和“生气”的表情极易被学前儿童混淆；
⑵三个年龄段的被试会不同程度地将“伤心”和“害怕”的表情混淆起来。这表现在数据上为：选择这两种表情的人数相近且明显多于选择其他表情的人数。
出现这个结果的原因可能是由于实验材料的不足，也可能是儿童对于较复杂表情的识别发展比较缓慢。材料图片中，呈现“害怕”和“伤心”的人脸均有瘪嘴哭泣的动作，而区分该两种表情的关键点——眼部信息，却由于照片是黑白的而难以捕捉。这对儿童分辨该两种表情造成了干扰。
3.3 实验中出现了哪些问题和不足？
实验中主要存在以下不足：
和许多以往研究一样，本实验使用的是静态的表情图片而不是活动的材料。严格说来，照片并不能反映面部表情（特别是较为高级和复杂的表情，如厌恶）真实自然的一面，由此可能会影响儿童对表情的识别成绩。已有前人研究证明，动态的面部表情材料可以明显提高被试对表情识别的成绩。Ne1son 等证明了面部运动对于非常小的婴儿的面部表情识别有很重要的作用；Berry又证明了面部运动在正常成人面部表情识别的重要作用；Humphreys等研究了有面部加工缺陷的病人对静止和动态的面部表情的加工过程，结果显示，病人在认知动态表情的任务中的成绩得到显著提高。
4 结论
本实验得到的主要结论有：
⑴对同一年龄段的学前儿童而言，对于“高兴”表情识别正确率最高，其次是“好奇”表情，而对“生气”的表情识别正确率最低；
⑵随着年龄增长，学前儿童对于“高兴”和“好奇”表情的识别正确率显著增大，而对于伤心、害怕、讨厌和生气表情的识别正确率无显著变化。
5 感想
经过本次实验，笔者主要有一些如下感想：
在实验过程中，要尽可能控制无关变量，凸显自变量的效应。这个实验中采用的6张图片需要乱序呈现6次，在每一次问答环节后需要主试将它们收起来，再随机摆放展开。这个“收拾”图片的动作要显得自然随意，不要让儿童觉察到主试“别有企图”而猜测其用意，从而根据主试喜好而不是实验任务作出回答；同时也要通过这个“收拾”的动作，打乱图片顺序，为下一次问答做好准备。
最后，笔者针对本实验提出一些改进意见，仅供参考。
改进意见1：采用计算机呈现动态的表情动画，来替代静态的表情图片。
本实验采用的材料为黑白的静态的表情图片，严格说来，这并不能最真实自然地反映面部表情（特别是较为高级和复杂的表情，如厌恶）的特点，由此可能会影响儿童对表情的识别成绩。由于面部表情，特别是对于学前儿童来说容易混淆的较高级、较复杂的表情之间，存在着细微的差别，这种差别仅仅凭借静态的黑白图片是不能被很好
捕捉到的。
改进意见2：采用与被试同龄的儿童标准表情图，来替代1岁儿童的表情图片。
Hills (2012)的研究发现，儿童对于面孔识别存在显著的同龄认知偏好（own-age bias），即儿童对于与自己同龄的面孔识别能力更好。本实验的被试为4～6岁幼儿园儿童，但实验材料上的儿童面孔是1岁的。儿童从1岁发展到6岁期间，对于上述6种基本表情的表达方式可能出现一些变化，因此这种设计有可能在无形之中增加了任务难度。
参考文献
梅冬梅, 许远理, & 李通. (2013). 0～1 岁婴儿面部表情识别与情绪调节的发展.中国儿童保健杂志, 4, 019.
王振宏, 田博, 石长地, & 崔雪融. (2010). 3~ 6 岁幼儿面部表情识别与标签的发展特点. 心理科学, (2), 325-328.
邹巍. (2007). 6-11 岁儿童面部表情识别过程的眼动研究 (Master's thesis, 湖南师范大学).
Hills, P. J. (2012). A developmental study of the own-age face recognition bias in children. Developmental psychology, 48(2), 499.
Markham R, Adams K. The Effect of Type Task on Children’s Identification of Facial Expressions. Journal of Nonverbal Behavior, 1992, 16(1): 21-39.
《自动控制原理》 实验报告 姓名： 学号： 专业： 班级： 时段： 成绩： 工学院自动化系
实验一 典型环节的MATLAB 仿真 一、实验目的 1．熟悉MATLAB 桌面和命令窗口，初步了解SIMULINK 功能模块的使用方法。 2．通过观察典型环节在单位阶跃信号作用下的动态特性，加深对各典型环节响应曲线的理解。 3．定性了解各参数变化对典型环节动态特性的影响。 二、实验原理 1．比例环节的传递函数为 K R K R R R Z Z s G 200,1002)(211 212==-=-=- = 其对应的模拟电路及SIMULINK 图形如图1-3所示。 三、实验内容 按下列各典型环节的传递函数，建立相应的SIMULINK 仿真模型，观察并记录其单位阶跃响应波形。 ① 比例环节1)(1=s G 和2)(1=s G ； ② 惯性环节11)(1+= s s G 和1 5.01 )(2+=s s G ③ 积分环节s s G 1)(1= ④ 微分环节s s G =)(1 ⑤ 比例+微分环节（PD ）2)(1+=s s G 和1)(2+=s s G ⑥ 比例+积分环节（PI ）s s G 11)(1+=和s s G 211)(2+= 四、实验结果及分析 图1-3 比例环节的模拟电路及SIMULINK 图形
① 仿真模型及波形图1)(1=s G 和2)(1=s G ② 仿真模型及波形图11)(1+= s s G 和1 5.01)(2+=s s G 11)(1+= s s G 1 5.01 )(2+=s s G ③ 积分环节s s G 1)(1= ④ 微分环节
操作系统上机题目 一、题目 实验1：LINUX/UNIX Shell部分 （一）系统基本命令 1．登陆系统，输入whoami 和pwd ，确定自己的登录名和当前目录； 登录名yuanye ，当前目录/home/yuanye 2．显示自己的注册目录?命令在哪里? a．键入echo $HOME，确认自己的主目录；主目录为/home/yuanye b．键入echo $PA TH，记下自己看到的目录表；/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games c．键入which abcd，看看得到的错误信息； 再键入which ls 和which vi，对比刚刚得到的结果的目录是否在a．、b． 两题看到的目录表中； /bin/ls /usr/bin/vi 3．ls 和cd 的使用: a．键入ls，ls -l ，ls -a ，ls -al 四条命令，观察输出，说明四种不同使用方式的区别。 1. examples.desktop 公共的模板视频图片文档音乐桌面; 总计32 2.-rw-r--r-- 1 yuanye yuanye 357 2011-03-22 22:15 examples.desktop drwxr-xr-x 2 yuanye yuanye 4096 2011-03-22 23:25 公共的 drwxr-xr-x 2 yuanye yuanye 4096 2011-03-22 23:25 模板 drwxr-xr-x 2 yuanye yuanye 4096 2011-03-22 23:25 视频 drwxr-xr-x 2 yuanye yuanye 4096 2011-03-22 23:25 图片 drwxr-xr-x 2 yuanye yuanye 4096 2011-03-22 23:25 文档 drwxr-xr-x 2 yuanye yuanye 4096 2011-03-22 23:25 音乐 drwxr-xr-x 2 yuanye yuanye 4096 2011-03-22 23:25 桌面 3. . .fontconfig .local .Xauthority .. .gconf .mozilla .xsession-errors .bash_logout .gconfd .nautilus 公共的 .bashrc .gksu.lock .profile 模板 .cache .gnome2 .pulse 视频 .chewing .gnome2_private .pulse-cookie 图片 .config .gnupg .recently-used.xbel 文档 .dbus .gstreamer-0.10 .scim 音乐 .dmrc .gtk-bookmarks .sudo_as_admin_successful 桌面 .esd_auth .gvfs .update-manager-core
北京科技大学计算机与通信工程学院 模式分类第二次上机实验报告 姓名：XXXXXX 学号：00000000 班级：电信11 时间：2014-04-16
一、实验目的 1．掌握支持向量机（SVM）的原理、核函数类型选择以及核参数选择原则等； 二、实验内容 2.准备好数据，首先要把数据转换成Libsvm软件包要求的数据格式为： label index1:value1 index2:value2 ... 其中对于分类来说label为类标识，指定数据的种类；对于回归来说label为目标值。（我主要要用到回归） Index是从1开始的自然数，value是每一维的特征值。 该过程可以自己使用excel或者编写程序来完成，也可以使用网络上的FormatDataLibsvm.xls来完成。FormatDataLibsvm.xls使用说明： 先将数据按照下列格式存放（注意label放最后面）： value1 value2 label value1 value2 label 然后将以上数据粘贴到FormatDataLibsvm.xls中的最左上角单元格，接着工具->宏执行行FormatDataToLibsvm宏。就可以得到libsvm要求的数据格式。将该数据存放到文本文件中进行下一步的处理。 3.对数据进行归一化。 该过程要用到libsvm软件包中的svm-scale.exe Svm-scale用法： 用法：svmscale [-l lower] [-u upper] [-y y_lower y_upper] [-s save_filename] [-r restore_filename] filename （缺省值：lower = -1，upper = 1，没有对y进行缩放）其中，-l：数据下限标记；lower：缩放后数据下限；-u：数据上限标记；upper：缩放后数据上限；-y：是否对目标值同时进行缩放；y_lower为下限值，y_upper为上限值；（回归需要对目标进行缩放，因此该参数可以设定为–y -1 1 ）-s save_filename：表示将缩放的规则保存为文件save_filename；-r restore_filename：表示将缩放规则文件restore_filename载入后按此缩放；filename：待缩放的数据文件（要求满足前面所述的格式）。缩放规则文件可以用文本浏览器打开，看到其格式为： y lower upper min max x lower upper index1 min1 max1 index2 min2 max2 其中的lower 与upper 与使用时所设置的lower 与upper 含义相同；index 表示特征序号；min 转换前该特征的最小值；max 转换前该特征的最大值。数据集的缩放结果在此情况下通过DOS窗口输出，当然也可以通过DOS的文件重定向符号“>”将结果另存为指定的文件。该文件中的参数可用于最后面对目标值的反归一化。反归一化的公式为： （Value-lower）*（max-min）/(upper - lower)+lower 其中value为归一化后的值，其他参数与前面介绍的相同。 建议将训练数据集与测试数据集放在同一个文本文件中一起归一化，然后再将归一化结果分成训练集和测试集。 4.训练数据，生成模型。 用法：svmtrain [options] training_set_file [model_file] 其中，options（操作参数）：可用的选项即表示的涵义如下所示-s svm类型：设置SVM 类型，默
实验报告 课程名称：自动控制原理 实验项目：典型环节的时域相应 实验地点：自动控制实验室 实验日期：2017 年 3 月22 日 指导教师：乔学工 实验一典型环节的时域特性 一、实验目的 1.熟悉并掌握TDN-ACC+设备的使用方法及各典型环节模拟电路的构成方法。
2.熟悉各种典型环节的理想阶跃相应曲线和实际阶跃响应曲线。对比差异，分析原因。 3.了解参数变化对典型环节动态特性的影响。 二、实验设备 PC 机一台，TD-ACC+(或TD-ACS)实验系统一套。 三、实验原理及内容 下面列出各典型环节的方框图、传递函数、模拟电路图、阶跃响应，实验前应熟悉了解。 1．比例环节 (P) (1)方框图 (2)传递函数： K S Ui S Uo =) () ( (3)阶跃响应：) 0()(≥=t K t U O 其中 01/R R K = (4)模拟电路图： (5) 理想与实际阶跃响应对照曲线： ① 取R0 = 200K ；R1 = 100K 。 ② 取R0 = 200K ；R1 = 200K 。
2．积分环节 (I) (1)方框图 (2)传递函数： TS S Ui S Uo 1 )()(= (3)阶跃响应： ) 0(1)(≥= t t T t Uo 其中 C R T 0= (4)模拟电路图 (5) 理想与实际阶跃响应曲线对照： ① 取R0 = 200K ；C = 1uF 。 ② 取R0 = 200K ；C = 2uF 。
1 Uo 0t Ui(t) Uo(t) 理想阶跃响应曲线 0.4s 1 Uo 0t Ui(t) Uo(t) 实测阶跃响应曲线 0.4s 10V 无穷 3．比例积分环节 (PI) (1)方框图： (2)传递函数： (3)阶跃响应： (4)模拟电路图： (5)理想与实际阶跃响应曲线对照： ①取 R0 = R1 = 200K；C = 1uF。 理想阶跃响应曲线实测阶跃响应曲线 ②取 R0=R1=200K；C=2uF。 K 1 + U i(S)+ U o(S) + Uo 10V U o(t) 2 U i(t ) 0 0 .2s t Uo 无穷 U o(t) 2 U i(t ) 0 0 .2s t
实验（一） Windows 7基本操作 一、实验目的 1．掌握文件和文件夹基本操作。 2．掌握“资源管理器”和“计算机”基本操作。 二、实验要求 1.请将操作结果用Alt+Print Screen组合键截图粘贴在题目之后。 2．实验完成后，请将实验报告保存并提交。 三、实验内容 1．文件或文件夹的管理（提示：此题自行操作一遍即可，无需抓图）★期末机试必考题★ (1) 在D：盘根目录上创建一个名为“上机实验”的文件夹，在“上机实验”文件夹中创建1个名为“操作系统上机实验”的空白文件夹和2个分别名为“2.xlsx”和“3.pptx”的空白文件，在“操作系统上机实验”文件夹中创建一个名为“1.docx”的空白文件。 (2) 将“1.docx”改名为“介绍信.docx”；将“上机实验”改名为“作业”。 (3) 在“作业”文件夹中分别尝试选择一个文件、同时选择两个文件、一次同时选择所有文件和文件夹。 (4) 将“介绍信.docx”复制到C：盘根目录。 (5) 将D：盘根目录中的“作业”文件夹移动到C：盘根目录。 (6) 将“作业”文件夹中的“2.xlsx”文件删除放入“回收站”。 (7) 还原被删除的“2.xlsx”文件到原位置。 2．搜索文件或文件夹，要求如下： 查找C盘上所有以大写字母“A”开头，文件大小在10KB以上的文本文件。（提示：搜索时，可以使用“?”和“*”。“？”表示任意一个字符，“*”表示任意多个字符。）
3. 在桌面上为C：盘根目录下的“作业”文件夹创建一个桌面快捷方式。★期末机试必考题★ 3．“计算机”或“资源管理器”的使用 (1) 在“资源管理器”窗口，设置以详细信息方式显示C:\WINDOWS中所有文件和文件夹，使所有图标按类型排列显示，并不显示文件扩展名。（提示：三步操作全部做完后，将窗口中显示的最终设置结果抓一张图片即可） (2) 将C：盘根目录中“介绍信.docx”的文件属性设置为“只读”和“隐藏”，并设置在窗口中显示“隐藏属性”的文件或文件夹。（提示：请将“文件夹”对话框中选项设置效果与C：盘根目录中该文件图标呈现的半透明显示效果截取在一整张桌面图片中即可） 4．回收站的设置 设置删除文件后，不将其移入回收站中，而是直接彻底删除功能。
模式识别实验报告
————————————————————————————————作者：————————————————————————————————日期：
实验报告 实验课程名称：模式识别 姓名：王宇班级： 20110813 学号： 2011081325 实验名称规范程度原理叙述实验过程实验结果实验成绩 图像的贝叶斯分类 K均值聚类算法 神经网络模式识别 平均成绩 折合成绩 注：1、每个实验中各项成绩按照5分制评定，实验成绩为各项总和 2、平均成绩取各项实验平均成绩 3、折合成绩按照教学大纲要求的百分比进行折合 2014年 6月
实验一、 图像的贝叶斯分类 一、实验目的 将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。 二、实验仪器设备及软件 HP D538、MATLAB 三、实验原理 概念： 阈值化分割算法是计算机视觉中的常用算法，对灰度图象的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中每个像素的灰度值与这个阈值相比较。并根据比较的结果将对应的像素划分为两类，灰度值大于阈值的像素划分为一类，小于阈值的划分为另一类，等于阈值的可任意划分到两类中的任何一类。 最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标和背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素灰度值有较大差别，此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。而且这两个分布应大小接近，且均值足够远，方差足够小，这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标，则直方图可能呈现较明显的多峰。 上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错。这时如用全局阈值进行分割必然会产生一定的误差。分割误差包括将目标分为背景和将背景分为目标两大类。实际应用中应尽量减小错误分割的概率，常用的一种方法为选取最优阈值。这里所谓的最优阈值，就是指能使误分割概率最小的分割阈值。图像的直方图可以看成是对灰度值概率分布密度函数的一种近似。如一幅图像中只包含目标和背景两类灰度区域，那么直方图所代表的灰度值概率密度函数可以表示为目标和背景两类灰度值概率密度函数的加权和。如果概率密度函数形式已知，就有可能计算出使目标和背景两类误分割概率最小的最优阈值。 假设目标与背景两类像素值均服从正态分布且混有加性高斯噪声，上述分类问题可以使用模式识别中的最小错分概率贝叶斯分类器来解决。以1p 与2p 分别表示目标与背景的灰度分布概率密度函数，1P 与2P 分别表示两类的先验概率，则图像的混合概率密度函数可用下式表示为
实验一 MATLAB 及仿真实验（控制系统的时域分析） 一、实验目的 学习利用MATLAB 进行控制系统时域分析，包括典型响应、判断系统稳定性和分析系统的动态特性； 二、预习要点 1、 系统的典型响应有哪些？ 2、 如何判断系统稳定性？ 3、 系统的动态性能指标有哪些？ 三、实验方法 （一） 四种典型响应 1、 阶跃响应： 阶跃响应常用格式： 1、)(sys step ；其中sys 可以为连续系统，也可为离散系统。 2、),(Tn sys step ；表示时间范围0---Tn 。 3、),(T sys step ；表示时间范围向量T 指定。 4、),(T sys step Y =；可详细了解某段时间的输入、输出情况。 2、 脉冲响应： 脉冲函数在数学上的精确定义：0 ,0)(1)(0 ?==?∞ t x f dx x f 其拉氏变换为：) ()()()(1)(s G s f s G s Y s f === 所以脉冲响应即为传函的反拉氏变换。 脉冲响应函数常用格式： ① )(sys impulse ； ② ); ,();,(T sys impulse Tn sys impulse ③ ),(T sys impulse Y = （二） 分析系统稳定性 有以下三种方法： 1、 利用pzmap 绘制连续系统的零极点图； 2、 利用tf2zp 求出系统零极点； 3、 利用roots 求分母多项式的根来确定系统的极点 （三） 系统的动态特性分析 Matlab 提供了求取连续系统的单位阶跃响应函数step 、单位脉冲响应函数impulse 、零输入响应函数initial 以及任意输入下的仿真函数lsim.
大连理工大学实验报告 学院（系）：专业：班级： 姓名：学号：组：___ 实验时间：实验室：实验台： 指导教师签字：成绩： 实验名称：进程控制 一、实验目的和要求 （1）进一步加强对进程概念的理解，明确进程和程序的区别 （2）进一步认识并发执行的实质 二、实验环境 在windows平台上，cygwin模拟UNIX运行环境 三、实验内容 （1） getpid()---获取进程的pid 每个进程都执行自己独立的程序，打印自己的pid； （2） getpid()---获取进程的pid 每个进程都执行自己独立的程序，打印自己的pid； 父进程打印两个子进程的pid;
（3）写一个命令处理程序，能处理max(m,n), min(m,n)，average(m,n,l)这几个命令（使用exec函数族）。 Max函数 Min函数 Average函数 Exec函数族调用 四、程序代码 五、运行结果 六、实验结果与分析 七、体会 通过这次上机，我了解了fork函数的运行方法，同时更深刻的了解了进程的并行执行的本质，印证了在课堂上学习的理论知识。同时通过编写实验内容（3）的命令处理程序，学会了exec函数族工作原理和使用方法。通过这次上机实验让我加深了对课堂上学习的理论知识的理解，收获很多。
大连理工大学实验报告 学院（系）：专业：班级： 姓名：学号：组：___ 实验时间：实验室：实验台： 指导教师签字：成绩： 实验名称：进程通讯 一、实验目的和要求 了解和熟悉UNIX支持的共享存储区机制 二、实验环境 在windows平台上，cygwin模拟UNIX运行环境 三．实验内容 编写一段程序, 使其用共享存储区来实现两个进程之间的进程通讯。进程A创建一个长度为512字节的共享内存，并显示写入该共享内存的数据；进程B将共享内存附加到自己的地址空间，并向共享内存中写入数据。 四、程序代码 五、运行结果 六、实验结果与分析 七、体会
自动控制原理实验报告 一、实验名称：一、二阶系统的电子模拟及时域响应的动态测试 二、实验目的 1、了解一、二阶系统阶跃响应及其性能指标与系统参数之间的关系 2、学习在电子模拟机上建立典型环节系统模型的方法 3、学习阶跃响应的测试方法 三、实验内容 1、建立一阶系统的电子模型，观测并记录在不同时间常数T时的响应曲线，测定过渡过程时间T s 2、建立二阶系统电子模型，观测并记录不同阻尼比的响应曲线，并测定超调量及过渡过程时间T s 四、实验原理及实验数据 一阶系统 系统传递函数： 由电路图可得，取则K=1，T分别取：0.25, 0.5, 1 T 0.25 0.50 1.00 R2 0.25MΩ0.5M Ω1MΩ C 1μ1μ1μ T S 实测0.7930 1.5160 3.1050 T S 理论0.7473 1.4962 2.9927 阶跃响应曲线图1.1 图1.2 图1.3 误差计算与分析 （1）当T=0.25时，误差==6.12%； （2）当T=0.5时，误差==1.32%； （3）当T=1时，误差==3.58% 误差分析：由于T决定响应参数，而,在实验中R、C的取值上可能存在一定误差，另外，导线的连接上也存在一些误差以及干扰，使实验结果与理论值之间存在一定误差。但是本实验误差在较小范围内，响应曲线也反映了预期要求，所以本实验基本得到了预期结果。 实验结果说明 由本实验结果可看出，一阶系统阶跃响应是单调上升的指数曲线，特征有T确定，T越小，过度过程进行得越快，系统的快速性越好。 二阶系统 图1.1 图1.2 图1.3
系统传递函数： 令 二阶系统模拟线路 0.25 0.50 1.00 R4 210.5 C2 111 实测45.8% 16.9% 0.6% 理论44.5% 16.3% 0% T S实测13.9860 5.4895 4.8480 T S理论14.0065 5.3066 4.8243 阶跃响应曲线图2.1 图2.2 图2.3 注：T s理论根据matlab命令[os,ts,tr]=stepspecs(time,output,output(end),5)得出，否则误差较大。 误差计算及分析 1）当ξ=0.25时，超调量的相对误差= 调节时间的相对误差= 2）当ξ=0.5时，超调量的相对误差==3.7% 调节时间的相对误差==3.4% 4）当ξ=1时，超调量的绝对误差= 调节时间的相对误差==3.46% 误差分析：由于本试验中，用的参量比较多，有R1,R2,R3,R4;C1,C2;在它们的取值的实际调节中不免出现一些误差，误差再累加，导致最终结果出现了比较大的误差，另外，此实验用的导线要多一点，干扰和导线的传到误差也给实验结果造成了一定误差。但是在观察响应曲线方面，这些误差并不影响，这些曲线仍旧体现了它们本身应具有的特点，通过比较它们完全能够了解阶跃响应及其性能指标与系统参数之间的关系，不影响预期的效果。 实验结果说明 由本实验可以看出，当ωn一定时，超调量随着ξ的增加而减小，直到ξ达到某个值时没有了超调；而调节时间随ξ的增大，先减小，直到ξ达到某个值后又增大了。 经理论计算可知，当ξ=0.707时，调节时间最短，而此时的超调量也小于5%，此时的ξ为最佳阻尼比。此实验的ξ分布在0.707两侧，体现了超调量和调节时间随ξ的变化而变化的过程，达到了预期的效果。 图2.2 图2.1 图2.3
操作系统上机实验报告 实验名称： 生产者与消费者问题模拟 实验目的： 通过模拟生产者消费者问题理解进程或线程之间的同步与互斥。 实验内容： 1、设计一个环形缓冲区，大小为10，生产者依次向其中写入1到20，每个缓冲区中存放一个数字，消费者从中依次读取数字。 2、相应的信号量； 3、生产者和消费者可按如下两种方式之一设计； (1)设计成两个进程； (2)设计成一个进程内的两个线程。 4、根据实验结果理解信号量的工作原理，进程或线程的同步\互斥关系。 实验步骤及分析： 一．管道 （一）管道定义 所谓管道，是指能够连接一个写进程和一个读进程的、并允许它们以生产者—消费者方式进行通信的一个共享文件，又称为pipe文件。由写进程从管道的写入端（句柄1）将数据写入管道，而读进程则从管道的读出端（句柄0）读出数据。（二）所涉及的系统调用 1、pipe( ) 建立一无名管道。 系统调用格式 pipe(filedes) 参数定义 int pipe(filedes); int filedes[2]; 其中，filedes[1]是写入端，filedes[0]是读出端。 该函数使用头文件如下： #include
int read(fd,buf,nbyte); int fd; char *buf; unsigned nbyte; 3、write( ) 系统调用格式 read(fd,buf,nbyte) 功能：把nbyte 个字节的数据，从buf所指向的缓冲区写到由fd所指向的文件中。如文件加锁，暂停写入，直至开锁。 参数定义同read( )。 （三）参考程序 #include
《模式识别》实验报告 一、数据生成与绘图实验 1.高斯发生器。用均值为m，协方差矩阵为S 的高斯分布生成N个l 维向量。 设置均值 T m=-1,0 ?? ??，协方差为[1,1/2;1/2,1]； 代码： m=[-1;0]; S=[1,1/2;1/2,1]; mvnrnd(m,S,8) 结果显示： ans = -0.4623 3.3678 0.8339 3.3153 -3.2588 -2.2985 -0.1378 3.0594 -0.6812 0.7876 -2.3077 -0.7085 -1.4336 0.4022 -0.6574 -0.0062 2.高斯函数计算。编写一个计算已知向量x的高斯分布(m, s)值的Matlab函数。 均值与协方差与第一题相同，因此代码如下： x=[1;1]; z=1/((2*pi)^0.5*det(S)^0.5)*exp(-0.5*(x-m)'*inv(S)*(x-m)) 显示结果： z = 0.0623 3.由高斯分布类生成数据集。编写一个Matlab 函数，生成N 个l维向量数据集，它们是基于c个本体的高斯分布(mi , si )，对应先验概率Pi ,i= 1,……,c。 M文件如下： function [X,Y] = generate_gauss_classes(m,S,P,N) [r,c]=size(m); X=[]; Y=[]; for j=1:c t=mvnrnd(m(:,j),S(:,:,j),fix(P(j)*N)); X=[X t]; Y=[Y ones(1,fix(P(j)*N))*j]; end end
调用指令如下： m1=[1;1]; m2=[12;8]; m3=[16;1]; S1=[4,0;0,4]; S2=[4,0;0,4]; S3=[4,0;0,4]; m=[m1,m2,m3]; S(:,:,1)=S1; S(:,:,2)=S2; S(:,:,3)=S3; P=[1/3,1/3,1/3]; N=10; [X,Y] = generate_gauss_classes(m,S,P,N) 二、贝叶斯决策上机实验 1.(a)由均值向量m1=[1;1]，m2=[7;7]，m3=[15;1]，方差矩阵S 的正态分布形成三个等（先验）概率的类，再基于这三个类，生成并绘制一个N=1000 的二维向量的数据集。 (b)当类的先验概率定义为向量P =[0.6,0.3,0.1]，重复（a）。 (c)仔细分析每个类向量形成的聚类的形状、向量数量的特点及分布参数的影响。 M文件代码如下： function plotData(P) m1=[1;1]; S1=[12,0;0,1]; m2=[7;7]; S2=[8,3;3,2]; m3=[15;1]; S3=[2,0;0,2]; N=1000; r1=mvnrnd(m1,S1,fix(P(1)*N)); r2=mvnrnd(m2,S2,fix(P(2)*N)); r3=mvnrnd(m3,S3,fix(P(3)*N)); figure(1); plot(r1(:,1),r1(:,2),'r.'); hold on; plot(r2(:,1),r2(:,2),'g.'); hold on; plot(r3(:,1),r3(:,2),'b.'); end (a)调用指令： P=[1/3,1/3,1/3];
信息与通信工程学院 模式识别实验报告 班级： 姓名： 学号： 日期：2011年12月
实验一、Bayes 分类器设计 一、实验目的： 1.对模式识别有一个初步的理解 2.能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识 3.理解二类分类器的设计原理 二、实验条件： matlab 软件 三、实验原理： 最小风险贝叶斯决策可按下列步骤进行： 1)在已知 ) (i P ω， ) (i X P ω，i=1,…，c 及给出待识别的X 的情况下，根据贝叶斯公式计 算出后验概率： ∑== c j i i i i i P X P P X P X P 1 ) ()() ()()(ωωωωω j=1,…，x 2)利用计算出的后验概率及决策表，按下面的公式计算出采取i a ,i=1,…，a 的条件风险 ∑== c j j j i i X P a X a R 1 )(),()(ωω λ,i=1,2,…,a 3)对(2)中得到的a 个条件风险值) (X a R i ,i=1,…，a 进行比较，找出使其条件风险最小的 决策k a ，即()() 1,min k i i a R a x R a x == 则 k a 就是最小风险贝叶斯决策。 四、实验内容 假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为 正常状态：P （1ω）=； 异常状态：P （2ω）=。 现有一系列待观察的细胞，其观察值为x ： 已知先验概率是的曲线如下图：
)|(1ωx p )|(2ωx p 类条件概率分布正态分布分别为（-2，）（2,4）试对观察的结果 进行分类。 五、实验步骤： 1.用matlab 完成分类器的设计，说明文字程序相应语句，子程序有调用过程。 2.根据例子画出后验概率的分布曲线以及分类的结果示意图。 3.最小风险贝叶斯决策，决策表如下： 结果,并比较两个结果。 六、实验代码 1.最小错误率贝叶斯决策 x=[ ] pw1=; pw2=; e1=-2; a1=; e2=2;a2=2; m=numel(x); %得到待测细胞个数 pw1_x=zeros(1,m); %存放对w1的后验概率矩阵 pw2_x=zeros(1,m); %存放对w2的后验概率矩阵
-150-100 -50 50 实验一 典型环节的模拟研究及阶跃响应分析 1、比例环节 可知比例环节的传递函数为一个常数： 当Kp 分别为0.5，1，2时，输入幅值为1.84的正向阶跃信号，理论上依次输出幅值为0.92，1.84，3.68的反向阶跃信号。实验中，输出信号依次为幅值为0.94，1.88，3.70的反向阶跃信号， 相对误差分别为1.8%,2.2%,0.2%. 在误差允许范围内可认为实际输出满足理论值。 2、 积分环节 积分环节传递函数为： （1）T=0.1(0.033)时，C=1μf (0.33μf )，利用MATLAB ，模拟阶跃信号输入下的输出信号如图： T=0.1 T=0.033 与实验测得波形比较可知，实际与理论值较为吻合，理论上T=0.033时的波形斜率近似为T=0.1时的三倍，实际上为8/2.6=3.08，在误差允许范围内可认为满足理论条件。 3、 惯性环节 i f i o R R U U -=TS 1 CS R 1Z Z U U i i f i 0-=-=-=15 20
惯性环节传递函数为： K = R f /R 1,T = R f C, （1） 保持K = R f /R 1 = 1不变，观测T = 0.1秒，0.01秒（既R 1 = 100K,C = 1μf ， 0.1μf ）时的输出波形。利用matlab 仿真得到理论波形如下： T=0.1时 t s （5%）理论值为300ms,实际测得t s =400ms 相对误差为：（400-300）/300=33.3%,读数误差较大。 K 理论值为1，实验值2.12/2.28， 相对误差为（2.28-2.12）/2.28=7%与理论值 较为接近。 T=0.01时 t s （5%）理论值为30ms,实际测得t s =40ms 相对误差为：（40-30）/30=33.3% 由于ts 较小，所以读数时误差较大。 K 理论值为1，实验值2.12/2.28， 相对误差为（2.28-2.12）/2.28=7%与理论值较为接近 （2） 保持T = R f C = 0.1s 不变，分别观测K = 1，2时的输出波形。 K=1时波形即为（1）中T0.1时波形 K=2时，利用matlab 仿真得到如下结果： t s （5%）理论值为300ms,实际测得t s =400ms 相对误差为：（400-300）/300=33.3% 读数误差较大 K 理论值为2，实验值4.30/2.28， 1 TS K )s (R )s (C +-=
福州大学数学与计算机科学(软件)学院 实验报告 课程名称：计算机操作系统 学号：221100218 姓名： 专业：软件工程 年级：2011级 学期：2012学年第2学期 2013年10 月24 日
实验一 Linux操作系统的使用和分析 一、实验目的 本实验主要学习和掌握Linux操作系统的基本应用。通过本实验，学生能够熟练掌握Linux环境下各种基本操作命令接口的应用。从系统安全角度出发，学习掌握系统的基本安全优化和配置，在操作系统层次进行有效安全加固，提高Linux系统的安全性能。通过本次实验，有助于学生进一步理解操作系统原理中的相关内容，加深认识。 二、实验要求 1、熟练掌握Linux系统的基本操作命令。 2、熟悉Linux 系统的基本配置。 3、实现Linux系统的安全加固。 4、掌握一种以上的网络应用软件的安装、配置与应用。 三、实验内容 系统的启动，如图： 关闭使用shutdowm 还有列出文件夹内的信息ls，cp复制拷贝，touch创建文件命令等等 ①下载文件压缩包pro.gz，解压如图：
②然后修改安装路径： ③之后用make编译文件 ④在安装路径/home/liaoenrui/11里的etc中修改文件的组名和用户名： 将groud 命名也命名为ftp，然后用groudadd和useradd命令将这两个添加在该目录的sbin目录下：
⑤最后运行文件，./profile即可 四、实验总结 通过本次的操作系统的上机实验，我熟练了Linux系统的基本操作命令，并且对安装文件有更深入的了解，比如在上述安装过程中对于通过froftpd来架构linux的ftp，由于之前都是用window系统，所以对于这些非常的生疏，因此在请教了多人和上网查询之后，终于有所了解，并且成功的将此实验顺利完成。在本次实验中，我发现自己的动手能力又有很大的提高，相信以后继续努力的话会有更大的进步，当然这也要归功于老师的教导。 参考文献 [1] Neil Maththew Richard Stones Linux 程序设计第四版人民邮电出版社 [2] 周茜，赵明生.中文文本分类中的特征选择研究[J].中文信息学报,2003,Vol.18 No.3
实验1 控制系统典型环节的模拟实验（一） 实验目的： 1．掌握控制系统中各典型环节的电路模拟及其参数的测定方法。 2．测量典型环节的阶跃响应曲线，了解参数变化对环节输出性能的影响。 实验原理： 控制系统模拟实验采用复合网络法来模拟各种典型环节，即利用运算放大器不同的输入网络和反馈网络模拟各种典型环节，然后按照给定系统的结构图将这些模拟环节连接起来，便得到了相应的模拟系统。再将输入信号加到模拟系统的输入端，并利用计算机等测量仪器，测量系统的输出，便可得到系统的动态响应曲线及性能指标。 实验内容及步骤 实验内容： 观测比例、惯性和积分环节的阶跃响应曲线。 实验步骤： 分别按比例，惯性和积分实验电路原理图连线，完成相关参数设置，运行。 ①按各典型环节的模拟电路图将线接好(先接比例)。(PID先不接) ②将模拟电路输入端(U i)与阶跃信号的输出端Y相连接；模拟电路的输出端(Uo)接至示波器。 ③按下按钮(或松开按钮)SP时，用示波器观测输出端的实际响应曲线Uo(t)，且将结果记下。改变比例参数，重新观测结果。 ④同理得积分和惯性环节的实际响应曲线，它们的理想曲线和实际响应曲线。 实验数据
实验二控制系统典型环节的模拟实验（二） 实验目的 1．掌握控制系统中各典型环节的电路模拟及其参数的测定方法。 2．测量典型环节的阶跃响应曲线，了解参数变化对环节输出性能的影响。 实验仪器 1．自动控制系统实验箱一台 2．计算机一台 实验原理 控制系统模拟实验采用复合网络法来模拟各种典型环节，即利用运算放大器不同的输入网络和反馈网络模拟各种典型环节，然后按照给定系统的结构图将这些模拟环节连接起来，便得到了相应的模拟系统。再将输入信号加到模拟系统的输入端，并利用计算机等测量仪器，测量系统的输出，便可得到系统的动态响应曲线及性能指标。 实验内容及步骤 内容： 观测PI，PD和PID环节的阶跃响应曲线。 步骤： 分别按PI，PD和PID实验电路原理图连线，完成相关参数设置，运行 ①按各典型环节的模拟电路图将线接好。 ②将模拟电路输入端(U i)与方波信号的输出端Y相连接；模拟电路的输出端(Uo)接至示波器。 ③用示波器观测输出端的实际响应曲线Uo(t)，且将结果记下。改变参数，重新观测结果。 实验数据 实验结论及分析
《大学计算机基础》 上机实验报告 班级： 姓名： 学号： 授课教师： 日期：年月日
目录 一、Windows操作系统基本操作 ............................. - 1 - 二、Word文字处理基本操作 ................................ - 4 - 三、Excel电子表格基本操作 ............................... - 6 - 四、PowerPoint幻灯片基本操作 ............................ - 8 - 五、网页设计基本操作..................................... - 9 - 六、Access数据库基本操作 ............................... - 10 - 上机实验作业要求： ○1在实验报告纸上手写并粘贴实验结果； ○2每人将所有作业装订在一起（要包封面）； ○3全部上机实验结束后全班统一上交； ○4作业内容不得重复、输入的数据需要有差别。
实验名称一、Windows操作系统基本操作 实验目的1、掌握Windows的基本操作方法。 2、学会使用“画图”和PrntScr快捷键。 3、学会使用“计算器”和Word基本操作。 实验内容 1、日历标注 利用“画图”和Word软件，截取计算机上日历的图片并用文字、颜色、图框等标注出近期的节假日及其名称，并将结果显示保存在下面（参考下面样图）。 运行结果是： 主要操作步骤是： 2、科学计算 利用“计算器”和Word软件，计算下列题目，并将结果截图保存在下面（参考样图）。 ○1使用科学型计算器，求8!、sin(8)、90、74、20、67、39、400、50.23、ln(785)的平均值、和值，并用科学计数法显示。 运行结果是： ②将以下十、八、十六进制数转换为二进制数：(894.8125)10、(37.5)8、(2C.4B)16 运行结果是：（需要下载使用“唯美计算器”） ○3计算下列二进制数的加法与乘法：101.1+11.11；1101*1011 运行结果是：（参考样图） 写出主要操作步骤： 3、实验心得体会
实验一Bayes 分类器设计 本实验旨在让同学对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识，理解二类分类器的设计原理。 1实验原理 最小风险贝叶斯决策可按下列步骤进行： (1)在已知)(i P ω，)(i X P ω，i=1,…，c 及给出待识别的X 的情况下，根据贝叶斯公式计算出后验概率： ∑== c j i i i i i P X P P X P X P 1 ) ()() ()()(ωωωωω j=1,…，x (2)利用计算出的后验概率及决策表，按下面的公式计算出采取i a ,i=1,…，a 的条件风险 ∑== c j j j i i X P a X a R 1 )(),()(ωω λ,i=1,2,…,a (3)对(2)中得到的a 个条件风险值)(X a R i ,i=1,…，a 进行比较，找出使其条件风险最小的决策k a ，即 则k a 就是最小风险贝叶斯决策。 2实验内容 假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为 正常状态：P （1ω）=0.9； 异常状态：P （2ω）=0.1。
现有一系列待观察的细胞，其观察值为x ： -3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 已知类条件概率密度曲线如下图： )|(1ωx p )|(2ωx p 类条件概率分布正态分布分别为（-2，0.25）（2,4）试对观察的结果进 行分类。 3 实验要求 1) 用matlab 完成分类器的设计，要求程序相应语句有说明文字。 2) 根据例子画出后验概率的分布曲线以及分类的结果示意图。 3) 如果是最小风险贝叶斯决策，决策表如下：