模式识别实验报告
：
班级：
学号：
提交日期：
实验一 线性分类器的设计
一、 实验目的：
掌握模式识别的基本概念，理解线性分类器的算法原理。 二、 实验要求
（1）学习和掌握线性分类器的算法原理；
（2）在MATLAB 环境下编程实现三种线性分类器并能对提供的数据进行分类； （3） 对实现的线性分类器性能进行简单的评估（例如算法使用条件，算法效率及复杂度等）。 三、 算法原理介绍
（1）判别函数：是指由x 的各个分量的线性组合而成的函数：
00g(x)w ::t x w w w =+权向量阈值权
若样本有c 类，则存在c 个判别函数，对具有0g(x)w t
x w =+形式的判别函数的一个
两类线性分类器来说，要现以下判定规则：
1
2(x)0,y (x)0,y i i g g ωω>∈??
<∈?
方程g(x)=0定义了一个判定面，它把两个类的点分开来，这个平面被称为超平面，如
下图所示。
（2）广义线性判别函数
线性判别函数g(x)又可写成以下形式：
01
(x)w d
i i i g w x ==+∑
其中系数wi 是权向量w 的分量。通过加入另外的项（w 的各对分量之间的乘积），得到二次判别函数：
因为，不失一般性，可以假设。这样，二次判别函数拥有更多
的系数来产生复杂的分隔面。此时g(x)=0定义的分隔面是一个二阶曲面。
若继续加入更高次的项，就可以得到多项式判别函数，这可看作对某一判别函数g(x)做级数展开，然后取其截尾逼近，此时广义线性判别函数可写成：
或：
这里y通常被成为“增广特征向量”(augmented feature vector)，类似的，a被称为“增广权向量”，分别可写成：
这个从d维x空间到d+1维y空间的映射虽然在数学上几乎没有变化，但十分有用。虽然增加了一个常量，但在x空间上的所有样本间距离在变换后保持不变，得到的y向量都在d维的自空间中，也就是x空间本身。通过这种映射，可以将寻找权向量w和权阈值w0的问题简化为寻找一个简单的权向量a。
（3）样本线性可分
即在特征空间中可以用一个或多个线性分界面正确无误地分开若干类样本；对于两类样本点w1和w2，其样本点集合表示为：，使用一个判别函数来
划分w1和w2，需要用这些样本集合来确定判别函数的权向量a，可采用增广样本向量y，即存在合适的增广权向量a，使得：
则称样本是线性可分的。所有满足条件的权向量称为解向量。
通常对解区限制：引入余量b，要求解向量满足：
余量b的加入在一定程度上可防止优化算法收敛到解区的边界。
（4）感知器准则函数
这里考虑构造线性不等式的准则函数的问题，令准则函数J(.)为：
其中Y是被权向量a错分的样本集。当且仅当JP(a*) = min JP(a) = 0 时，a*是解向量。这就是感知器（Perceptron）准则函数。
（5）基本的感知器设计
感知器准则函数的最小化可以使用梯度下降迭代算法求解：
其中，k为迭代次数，η为调整的步长。即下一次迭代的权向量是把当前时刻的权向量向目标函数的负梯度方向调整一个修正量。
即在每一步迭代时把错分的样本按照某个系数叠加到权向量上。这样就得到了感知算法。
（6）批处理感知器算法
（7）单样本感知器算法
通常情况，一次将所有错误样本进行修正不是效率最高的做法，更常用是每次只修正一个样本或一批样本的固定增量法：
（8）最小均方差算法
对于前面提出的不等式组：
在线性不可分的情况下，不等式组不可能同时满足。一种直观的想法就是，希望求一个a*使被错分的样本尽可能少。这种方法通过求解线性不等式组来最小化错分样本数目，通常采用搜索算法求解。
为了避免求解不等式组，通常转化为方程组：
矩阵形式为：。方程组的误差为：，可以求解方程组的最小平方误差求解，即：
Js(a) 即为最小平方误差（Minimum Squared-Error，MSE）的准则函数：
准则函数最小化通常有两种方法：违逆法，梯度下降法。
梯度下降法
梯度下降法在每次迭代时按照梯度下降方向更新权向量：
直到满足或者时停止迭代，ξ是事先确定的误差灵敏度。参照感知器算法中的单步修正法，对MSE也可以采用单样本修正法来调整权向量：
这种算法即Widrow-Hoff算法，也称作最小均方根算法或LMS（Least-mean-square algorithm）算法。
四、实验结果及分析
（1）单样本感知器算法
分析：通过对分类结果的观察知，单样本感知器可以将数据1和数据2的数据进行正确的分类，达到了分类器的设计目的。同时观察到对两组数据计算的迭代次数都是40次左右，耗时为0.6ms和0.8ms左右。单样本感知器的算法效率高于批处理感知器的算法效率。
（2）批处理感知器算法
分析：通过对分类结果的观察知，批处理感知器可以将数据1和数据2的数据进行正确的分类，达到了分类器的设计目的。同时观察到对两组数据计算的迭代次数相差较大。对数据1迭代17次，耗时1.0ms左右，相比于单样本感知器，迭代次数少但是耗时大，主要是因为批处理感知器一次迭代要对所有样本进行计算；对于数据2迭代次数和耗时都比单样本感知器多。
（3）最小均方差算法
分析：通过观察分类结果知，对于数据1和数据2都存在一个分错的点，主要是由于步长选择不同会导致收敛时的分类结果存在分错的点。同时如果选择的步长不合适，会导致a不收敛，所以步长的选择非常重要。
五、源代码
（1）单样本感知器算法
function [solution iter] = SinglePerceptron(Y,tau)
%
% solution = SinglePerceptron(Y,tau) 固定增量单样本感知器算法实现
%
% 输入：规化样本矩阵Y，裕量tau
% 输出：解向量solution，迭代次数iter
%
[y_k d] = size(Y);
a = zeros(1,d);
k_max = 10000; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% k_iter=0;
while k_iter count=0; for j=1:1:y_k if a*Y(j,:)' a=a+Y(j,:); k_iter=k_iter+1; count=count+1; end end if count==0 break; end end k_max=k_iter; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% k = k_max; solution = a; iter = k-1; （2）批处理感知器算法 function [solution iter] = BatchPerceptron(Y,tau) % % solution = BatchPerceptron(Y,tau) 固定增量批处理感知器算法实现 % % 输入：规化样本矩阵Y，裕量tau % 输出：解向量solution，迭代次数iter % [y_k d] = size(Y); a = zeros(d,1); k_max = 10000; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% k_iter=0; Y_temp=zeros(d,1); while k_iter count=0; for j=1:1:y_k if a'*Y(j,:)'<=tau Y_temp=Y_temp+Y(j,:)'; count=count+1; end end if count==0 break; end a=a+Y_temp; k_iter=k_iter+1; end k_max=k_iter; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% k = k_max; solution = a; iter = k-1; （3）最小均方差算法 function [solution iter] = Widrow_Hoff(Y,stepsize) % % solution = Widrow_Hoff(Y.tau)最小均方差实现算法 % % 输入：规化样本矩阵Y，裕量tau，初始步长stepsize % 输出：解向量solution，迭代次数iter % [y_k d] = size(Y); a = zeros(1,d); k_max = 10000; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% b=ones(1,y_k); k_iter=0; while k_iter count=0; for j=1:1:y_k if a*Y(j,:)'~=b(j) a=a+stepsize*(b(j)-a*Y(j,:)')*Y(j,:); k_iter=k_iter+1; count=count+1; end end if count==0 break; end end k_max=k_iter; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% k = k_max; solution = a; iter = k-1; 实验二人脸检测系统的设计与实现 一、实验目的： 了解人脸检测及跟踪系统的算法原理及设计实现过程。 二、实验要求 （1）学习和了解基于OpenCV的人脸检测算法原理； （2）在VC++环境下基于OpenCV实现一个简单的人脸检测和跟踪程序，要求利用笔记本摄像头或者其他网络摄像头进行实时检测，最好有良好的人机交互界面（如使用MFC编程）；（3）对检测到的人脸进行识别（即能识别不同的人）或对检测到的人脸做一些有趣的处理。 三、算法原理介绍 （1）人脸检测原理 人脸检测属于目标检测(object detection)的一部分，主要涉及两个方面： 1.先对要检测的目标对象进行概率统计，从而知道待检测对象的一些特征，建立起目标检 测模型。 2.用得到的模型来匹配输入的图像，如果有匹配则输出匹配的区域，否则什么也不做。（2）Harr特征级联表 OpenCV在物体检测上使用的是haar特征的级联表，这个级联表中包含的是boost的分类器。首先，采用样本的haar特征进行分类器的训练，从而得到一个级联的boost分类器。训练的方式包含两方面： 1.正例样本，即待检测目标样本 2.反例样本，其他任意的图片 首先将这些图片统一成相同的尺寸，这个过程被称为归一化，然后进行统计。一旦分类器建立完成，就可以用来检测输入图片中的感兴趣区域了，一般来说，输入的图片会大于样本，那样，需要移动搜索窗口，为了检索出不同大小的目标，分类器可以按比例的改变自己的尺寸，这样可能要对输入图片进行多次的扫描。 级联分类器是由若干个简单分类器级联成的一个大的分类器，被检测的窗口依次通过每一个分类器，可以通过所有分类器的窗口即可判定为目标区域。同时，为了考虑效率问题，可以将最严格的分类器放在整个级联分类器的最顶端，那样可以减少匹配次数。 基础分类器以haar特征为输入，以0/1为输出，0表示未匹配，1表示匹配。 （3）Haar特征 边界特征，包含四种 线性特征，包含八种 中心围绕特征，包含两种 在扫描待检测图片的时候，以边界特征中的(a)为例，正如前面提到的那样，计算机中的图片是一个数字组成的矩阵，程序先计算整个窗口中的灰度值x，然后计算矩形框中的黑色灰度值y，然后计算(x-2y)的值，得到的数值与x做比较，如果这个比值在某一个围，则表示待检测图片的当前扫描区域符合边界特征(a)，然后继续扫描。 （4）非固定大小目标检测 因为是基于视频流的目标检测，我们事先不太可能知道要检测的目标的大小，这就要求我们的级联表中的分类器具有按比例增大(或者缩小)的能力，这样，当小的窗口移动完整个待检测图片没有发现目标时，我们可以调整分类器的大小，然后继续检测，直到检测到目标或者窗口与待检测图片的大小相当为止。 （5）算法介绍 步骤一：图片预处理 在从摄像头中获得一个帧(一图片)后，我们需要先对这图片进行一些预处理： 1.将图片从RGB模式转为灰度图将灰度图 2.进行灰度图直方图均衡化操作。 步骤二：检测并标记目标 OpenCV中，对于人脸检测的模型已经建立为一个haarcascade_frontalface_alt2.XML文件，其中包含了上面提到的harr特征的分类器的训练结果，我们可以通过加载这个文件而省略掉自己建立级联表的过程。有了级联表，我们只需要将待检测图片和级联表一同传递给OpenCV的目标检测算法即可得到一个检测到的人脸的集合。 步骤三：用highgui画出视频窗口 由于视频流是动态的，所以我们可以在程序的入口中使用一个无限循环，在循环中，每次从视频中读入一个帧，将这个帧传输给人脸检测模块，检测模块在这个帧上进行标记(如果有人脸的话)，然后返回这个帧，主程序拿到这个帧后，更新显示窗口。 四、程序流程图 五、实验结果及分析人脸检测结果： 分析： 通过实验结果知，程序基本达到了人脸检测以及跟踪人脸的要求，同时可以检测出不同的人脸。通过此次实验了解了人脸检测及跟踪系统的算法原理及设计实现过程。 六、源代码 #include #include"stdio.h" #include #include #include #include #include"opencv2/objdetect/objdetect.hpp" using namespace cv; using namespace std; string face_cascade_name = "haarcascade_frontalface_alt2.xml"; CascadeClassifier face_cascade; string window_name = "人脸识别"; void detectAndDisplay(Mat frame){ std::vector Mat frame_gray; cvtColor(frame, frame_gray, CV_BGR2GRAY); equalizeHist(frame_gray, frame_gray); face_cascade.detectMultiScale(frame_gray, faces, 1.1, 2, 0 | CV_HAAR_SCALE_IMAGE, Size(30, 30)); for (int i = 0; i < faces.size(); i++) { Point center(faces[i].x + faces[i].width*0.5, faces[i].y + faces[i].height*0.5); Point pt1(faces[i].x, faces[i].y), pt2(faces[i].x + faces[i].width, faces[i].y + faces[i].height); rectangle(frame, pt1,pt2,Scalar(255, 255, 255),1,8,0); } imshow(window_name, frame); } int main() { VideoCapture cap(0); if (!cap.isOpened()) return -1; Mat edges; if (!face_cascade.load(face_cascade_name)) { printf("[error] 无法加载级联分类器文件！\n"); return -1; } for (;;) { if (!cap.isOpened()){continue;} Mat frame; cap >> frame; if (frame.data == NULL){continue;} detectAndDisplay(frame); if (waitKey(30) >= 0) break; } return 0; } 西安交通大学 微型计算机接口技术实验报告 班级:物联网 姓名: 学号： 实验一基本I/O扩展实验 一、实验目的 1、了解 TTL 芯片扩展简单 I/O 口的方法，掌握数据输入输出程序编制的方法； 2、对利用单片机进行 I/O 操作有一个初步体会。 二、实验内容 74LS244 是一种三态输出的8 总线缓冲驱动器，无锁存功能，当G 为低电平时，Ai 信号传送到Yi，当为高电平时，Yi 处于禁止高阻状态。 74LS273 是一种8D 触发器，当CLR 为高电平且CLK 端电平正跳变时，D0——D7 端数据被锁存到8D 触发器中。 实验原理图： 三、实验说明 利用74LS244 作为输入口，读取开关状态，并将此状态通过74LS273 再驱动发光二极管显示出来，连续运行程序，发光二极管显示开关状态。 四、实验流程图 五、实验连线 1、244的cs连接到CPU地址A15，Y7—Y0连接开关K1-K8; 2、273的CS连接到CPU地址A14，Q7-Q0连接到发光二极管L1-L8; 3、该模块的WR,RD连接CPU的WR,RD,数据线AD7-AD0，地址线A7-A0分别与CPU的数据线AD7-AD0，地址线A7-A0相连接。 六、程序源代码（略） 七、实验结果 通过开关K01 到K08 可以对应依次控制LED 灯的L1 到L8 ，即当将开关Ki 上拨时，对应的Li 被点亮，Ki 下拨时，对应的Li熄灭。 此外，如果将开关拨到AAH 时，将会产生LED 灯左移花样显示；如果开关拨到55H 时，将会产生LED 灯右移花样显示。 七、实验心得 通过本次实验，我了解了TTL 芯片扩展简单I/O 口的方法，同时也对数据输入输出程序编制的方法有一定的了解与掌握，对利用单片机进行I/O 操作有一个初步体会，实验使我对自己在课堂上学的理论知识更加理解，同时也锻炼了我的动手操作能力。 实验一误差分析 实验1.1（病态问题） 实验目的：算法有“优”与“劣”之分，问题也有“好”与“坏”之别。对数值方法的研究而言，所谓坏问题就是问题本身对扰动敏感者，反之属于好问题。通过本实验可获得一个初步体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 问题提出：考虑一个高次的代数多项式 显然该多项式的全部根为1,2,…,20共计20个，且每个根都是单重的。现考虑该多项式的一个扰动 其中ε（1.1）和（1.221,,,a a 的输出b ”和“poly ε。 （1（2 （3）写成展 关于α solve 来提高解的精确度，这需要用到将多项式转换为符号多项式的函数poly2sym,函数的具体使用方法可参考Matlab 的帮助。 实验过程： 程序： a=poly(1:20); rr=roots(a); forn=2:21 n form=1:9 ess=10^(-6-m); ve=zeros(1,21); ve(n)=ess; r=roots(a+ve); -6-m s=max(abs(r-rr)) end end 利用符号函数：（思考题一）a=poly(1:20); y=poly2sym(a); rr=solve(y) n 很容易的得出对一个多次的代数多项式的其中某一项进行很小的扰动，对其多项式的根会有一定的扰动的，所以对于这类病态问题可以借助于MATLAB来进行问题的分析。 学号：06450210 姓名：万轩 实验二插值法 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 数字图像处理第二次作业 摘要 本次报告主要记录第二次作业中的各项任务完成情况。本次作业以Matlab 2013为平台，结合matlab函数编程实现对lena.bmp,elain1.bmp图像文件的相关处理：1.分别得到了lena.bmp 512*512图像灰度级逐级递减8-1显示，2.计算得到lena.bmp图像的均值和方差，3.通过近邻、双线性和双三次插值法将lena.bmp zoom到2048*2048，4. 把lena和elain 图像分别进行水平shear（参数可设置为1.5，或者自行选择）和旋转30度，并采用用近邻、双线性和双三次插值法zoom到2048*2048。以上任务完成后均得到了预期的结果。 1.把lena 512*512图像灰度级逐级递减8-1显示 （1）实验原理： 给定的lena.bmp是一幅8位灰阶的图像，即有256个灰度色。则K位灰阶图像中某像素的灰度值k(x,y)(以阶色为基准)与原图同像素的灰度值v(x,y)(以256阶色为基准)的对应关系为： 式中floor函数为向下取整操作。取一确定k值，对原图进行上式运算即得降阶后的k位灰阶图像矩阵。 （2）实验方法 首先通过imread()函数读入lena.bmp得到图像的灰度矩阵I，上式对I矩阵进行灰度降阶运算，最后利用imshow()函数输出显示图像。对应源程序为img1.m。 （3）处理结果 8灰度级 7灰度级 6灰度级 5灰度级 4灰度级 3灰度级 2灰度级 1灰度级 （4）结果讨论： 由上图可以看出，在灰度级下降到5之前，肉眼几乎感觉不出降阶后图像发生的变化。但从灰度级4开始，肉眼明显能感觉到图像有稍许的不连续，在灰度缓变区常会出现一些几乎看不出来的非常细的山脊状结构。随着灰度阶数的继续下降，图像开始出现大片的伪轮廓，灰度级数越低，越不能将图像的细节刻画出来，最终的极端情况是退化为只有黑白两色的二值化图像。由此可以得出，图像采样的灰度阶数越高，灰度围越大，细节越丰富，肉眼看去更接近实际情况。 2.计算lena图像的均值方差 （1）实验原理 对分辨率为M*N的灰度图像，其均值和方差分别为： （2）实验方法 首先通过imread（）函数读入图像文件到灰度矩阵I中，然后利用 mean2函数和std2函数计算灰度矩阵（即图像）的均值和标准差，再由标准差平方得到方差。对应源程序：img1.m （3）处理结果 均值me =99.0512，标准差st =52.8776，方差sf =2.7960e+03。 （4）结果分析 图像的均值可反应图像整体的明暗程度，而方差可以反应图像整体的对比度情况，方差越大，图像的对比度越大，可以显示的细节就越多。 3.把lena图像用近邻、双线性和双三次插值法zoom到2048*2048； （1）实验原理 图像插值就是利用已知邻近像素点的灰度值来产生未知像素点的灰度值，以便由原始图 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 课程生物信息学实验名称核酸和蛋白质序列数据的使用系别实验日期： 专业班级组别交报告日期： 姓名学号报告退发：（订正、重做） 同组人无教师审批签字： 实验目的：了解常用的序列数据库，掌握基本的序列数据信息的查询方法。 实验步骤：在序列数据库中查找某条基因序列（insulin人的），通过相关一系列数据库的搜索、比对与结果解释 实验结果： 1.该基因的功能是？ DNA结合、RNA结合、雄激素受体结合、酶结合、蛋白结合、转录激活活性、转录调控区的DNA结合、微管蛋白结合、泛素蛋白与连接酶结合、泛素蛋白连接酶的活性、提高泛素蛋白连接酶的活性、锌离子结合 3. 该蛋白质有没有保守的功能结构域 该蛋白质有保守的功能结构域。分别为cd00027（Location:1763 –1842 Blast Score: 107）cd00162（Location:23 –68 Blast Score: 134）pfam04873（Location:655 –978 Blast Score: 1301）pfam12820（Location:344 –507 Blast Score: 809）pfam13923（Location:20 –65 Blast Score: 135） 4. 该蛋白质的功能是怎样的？ ①E3泛素蛋白连接酶，专门介导L YS-6'-联泛素链的形成，并通过促胞对DNA损伤的反应，在DNA修复中起着核心的作用；目前还不清楚是否也介导其他类型的泛素链形成。E3泛素蛋白连接酶的活性是其抑癌能必需的。②BARD1- BRCA1异源二聚体协调各种不同的细胞通路，如DNA损伤修复，泛素化和转录调控，以维持基因组稳定性。③调节中心体微核。 ④从G2到有丝分裂的正常细胞周期进程所必需的。⑤参与转录调控在DNA损伤反应中的P21。⑥为FANCD2靶向DNA损伤位点所需。⑦可以用作转录调控因子。⑧绑定到ACACA 和防止其去磷酸化，抑制脂质合成。 5. 该蛋白质的三级结构是什么？如果没有的话， 和它最相似的同源物的结构是什么样子的？给出 示意图。 该蛋白有三级结构，如图所示 数值分析上机实验报告 《数值分析》上机实验报告 1.用Newton 法求方程 X 7-X 4+14=0 在（0.1，1.9）中的近似根（初始近似值取为区间端点，迭代6次或误差小于0.00001）。 1.1 理论依据： 设函数在有限区间[a ，b]上二阶导数存在，且满足条件 {}α?上的惟一解在区间平方收敛于方程所生的迭代序列 迭代过程由则对任意初始近似值达到的一个中使是其中上不变号 在区间],[0)(3,2,1,0,) (') ()(],,[x |))(),((|,|,)(||)(|.4;0)(.3],[)(.20 )()(.110......b a x f x k x f x f x x x Newton b a b f a f mir b a c x f a b c f x f b a x f b f x f k k k k k k ==- ==∈≤-≠>+ 令 )9.1()9.1(0)8(4233642)(0)16(71127)(0)9.1(,0)1.0(,1428)(3 2 2 5 333647>?''<-=-=''<-=-='<>+-=f f x x x x x f x x x x x f f f x x x f 故以1.9为起点 ?? ?? ? ='- =+9.1)()(01x x f x f x x k k k k 如此一次一次的迭代，逼近x 的真实根。当前后两个的差<=ε时，就认为求出了近似的根。本程序用Newton 法求代数方程(最高次数不大于10)在（a,b ）区间的根。 1.2 C语言程序原代码： #include 西安交通大学实验报告 课程_大学计算机_实验名称_检索绘图音频及图像处理_第页共页 系别_____ 能动学院___________ 实验日期年月日专业班级________________组别_____________ 实验报告日期年月日姓名________________学号_____________ 报告退发 ( 订正、重做 ) 同组人_________________________________ 教师审批签字 ●目标任务： 一. 信息检索 1．使用百度地图网站搜索西安交通大学南门到西安大唐芙蓉园的公交线路。（屏幕截图）2．在本校图书馆网站查找两门课程的教学参考书（屏幕截图）。 3．使用百度图片网站搜索有关“飞机”和“天空”的图片，各下载一张，并分别命名为：天空.jpg，飞机.jpg。 4．使用Ei检索，检索目前中国高速铁路（High-speed railway in China）相关的工程论文（屏幕截图） 二. 矢量图绘制 题目：使用Microsoft Office Visio 2010办公绘图软件，绘制流程图。 要求：参见实验教材p27，“四. 实验任务和要求”。 三．数字音频处理 题目：使用GoldWave音频处理软件，完成手机铃声制作 要求：从网上下载一个音乐文件，选取最喜爱的片段，将其保存成手机要求的音频格式（如MP3、WAV）作为手机铃声（存放为另一个音乐文件）。 结果：在实验报告中，粘贴两个音乐文件的属性对话框屏幕截图。（分析文件的大小与占用空间的不同） GoldWave软件存放地址： D:\计算机应用技术基础、ECAT.Software\ECAT-Software\GoldWave.rar 或从网上下载。 四．数字图像处理 题目：使用Photoshop软件进行“飞行编队”图像设计。 要求：参见实验教材p37，“四. 实验任务和要求”（1）飞行编队设计。 结果：将设计的“三角飞行编队图片”粘贴到实验报告中。 最后上传实验报告。 ●实验环境 课题一：拉格朗日插值法 1.实验目的 1．学习和掌握拉格朗日插值多项式。 2.运用拉格朗日插值多项式进行计算。 2.实验过程 作出插值点（1.00，0.00），（-1.00，-3.00），（2.00，4.00）二、算法步骤 已知：某些点的坐标以及点数。 输入：条件点数以及这些点的坐标。 输出：根据给定的点求出其对应的拉格朗日插值多项式的值。 3.程序流程： （1）输入已知点的个数； （2）分别输入已知点的X坐标； （3）分别输入已知点的Y坐标； 程序如下： #include 插值算法*/ { int i,j; float *a,yy=0.0; /*a作为临时变量，记录拉格朗日插值多项*/ a=(float*)malloc(n*sizeof(float)); for(i=0;i<=n-1;i++) { a[i]=y[i]; for(j=0;j<=n-1;j++) if(j!=i) a[i]*=(xx-x[j])/(x[i]-x[j]); yy+=a[i]; } free(a); return yy; } int main() { int i; int n; float x[20],y[20],xx,yy; printf("Input n:"); scanf("%d",&n); if(n<=0) { printf("Error! The value of n must in (0,20)."); getch();return 1; } for(i=0;i<=n-1;i++) { printf("x[%d]:",i); scanf("%f",&x[i]); } printf("\n"); for(i=0;i<=n-1;i++) { printf("y[%d]:",i);scanf("%f",&y[i]); } printf("\n"); printf("Input xx:"); scanf("%f",&xx); yy=lagrange(x,y,xx,n); printf("x=%f,y=%f\n",xx,yy); getch(); } 举例如下：已知当x=1，-1,2时f(x)=0，-3,4，求f(1.5)的值。 西安交通大学 现代检测技术实验报告 实验一金属箔式应变片——电子秤实验 实验二霍尔传感器转速测量实验 实验三光电传感器转速测量实验 实验四E型热电偶测温实验 实验五E型热电偶冷端温度补偿实验 实验一 金属箔式应变片——电子秤实验 一、实验目的： 了解金属箔式应变片的应变效应，直流全桥工作原理和性能，了解电路的定标。 二、实验仪器： 应变传感器实验模块、托盘、砝码、数显电压表、±15V 、±4V 电源、万用表（自备）。 三、实验原理： 电阻丝在外力作用下发生机械变形时，其电阻值发生变化，这就是电阻应变效应，描述电阻应变效应的关系式为 ε?=?k R R （1-1） 式中 R R ?为电阻丝电阻相对变化； k 为应变灵敏系数； l l ?= ε为电阻丝长度相对变化。 金属箔式应变片就是通过光刻、腐蚀等工艺制成的应变敏感组件。如图1-1所示，将四 个金属箔应变片分别贴在双孔悬臂梁式弹性体的上下两侧，弹性体受到压力发生形变，应变片随弹性体形变被拉伸，或被压缩。 图1-1 双孔悬臂梁式称重传感器结构图 图1-2 全桥面板接线图 全桥测量电路中，将受力性质相同的两只应变片接到电桥的对边，不同的接入邻边，如图3-1，当应变片初始值相等，变化量也相等时，其桥路输出 Uo=R R E ?? （3-1） 式中E 为电桥电源电压。 R R ?为电阻丝电阻相对变化； 式3-1表明，全桥输出灵敏度比半桥又提高了一倍，非线性误差得到进一步改善。 电子称实验原理同全桥测量原理，通过调节放大电路对电桥输出的放大倍数使电路输出电压值为重量的对应值，电压量纲（V ）改为重量量纲（g ）即成一台比较原始的电子称。 四、实验内容与步骤 1．应变传感器上的各应变片已分别接到应变传感器模块左上方的R1、R2、R3、R4上，可用万用表测量判别，R1=R2=R3=R4=350Ω。 2．差动放大器调零。从主控台接入±15V 电源，检查无误后，合上主控台电源开关，将差动放大器的输入端Ui 短接并与地短接，输出端Uo 2接数显电压表（选择2V 档）。将电位器Rw3调到增益最大位置（顺时针转到底），调节电位器Rw4使电压表显示为0V 。关闭主控台电源。（Rw3、 实验一 误差分析 实验（病态问题） 实验目的：算法有“优”与“劣”之分，问题也有“好”与“坏”之别。对数值方法的研究而言，所谓坏问题就是问题本身对扰动敏感者，反之属于好问题。通过本实验可获得一个初步体会。 数值分析的大部分研究课题中，如线性代数方程组、矩阵特征值问题、非线性方程及方程组等都存在病态的问题。病态问题要通过研究和构造特殊的算法来解决，当然一般要付出一些代价（如耗用更多的机器时间、占用更多的存储空间等）。 问题提出：考虑一个高次的代数多项式 )1.1() ()20()2)(1()(20 1∏=-=---=k k x x x x x p 显然该多项式的全部根为1,2,…,20共计20个，且每个根都是单重的。现考虑该多项式的一个扰动 )2.1(0 )(19=+x x p ε 其中ε是一个非常小的数。这相当于是对（）中19x 的系数作一个小的扰动。我们希望比较（）和（）根的差别，从而分析方程（）的解对扰动的敏感性。 实验内容：为了实现方便，我们先介绍两个Matlab 函数：“roots ”和“poly ”。 roots(a)u = 其中若变量a 存储n+1维的向量，则该函数的输出u 为一个n 维的向量。设a 的元素依次为121,,,+n a a a ，则输出u 的各分量是多项式方程 01121=+++++-n n n n a x a x a x a 的全部根；而函数 poly(v)b = 的输出b 是一个n+1维变量，它是以n 维变量v 的各分量为根的多项式的系数。可见“roots ”和“poly ”是两个互逆的运算函数。 ;000000001.0=ess );21,1(zeros ve = ;)2(ess ve = ))20:1((ve poly roots + 上述简单的Matlab 程序便得到（）的全部根，程序中的“ess ”即是（）中的ε。 实验要求： （1）选择充分小的ess ，反复进行上述实验，记录结果的变化并分析它们。 如果扰动项的系数ε很小，我们自然感觉（）和（）的解应当相差很小。计算中你有什么出乎意料的发现表明有些解关于如此的扰动敏感性如何 （2）将方程（）中的扰动项改成18x ε或其它形式，实验中又有怎样的现象 出现 （3）（选作部分）请从理论上分析产生这一问题的根源。注意我们可以将 方程（）写成展开的形式， ) 3.1(0 ),(1920=+-= x x x p αα 同时将方程的解x 看成是系数α的函数，考察方程的某个解关于α的扰动是否敏感，与研究它关于α的导数的大小有何关系为什么你发现了什么现象，哪些根关于α的变化更敏感 思考题一：（上述实验的改进） 在上述实验中我们会发现用roots 函数求解多项式方程的精度不高，为此你可以考虑用符号函数solve 来提高解的精确度，这需要用到将多项式转换为符号多项式的函数poly2sym,函数的具体使用方法可参考Matlab 的帮助。 自动控制原理实验报告 学院： 班级： 姓名： 学号： 西安交通大学实验报告 课程自动控制原理实验日期2014 年12月22 日专业班号交报告日期 2014 年 12月27日姓名学号 实验五直流电机转速控制系统设计 一、实验设备 1.硬件平台——NI ELVIS 2.软件工具——LabVIEW 二、实验任务 1.使用NI ELVIS可变电源提供的电源能力，驱动直流马达旋转，并通过改变电压改变 其运行速度； 2.通过光电开关测量马达转速； 3.通过编程将可变电源所控制的马达和转速计整合在一起，基于计算机实现一个转速自 动控制系统。 三、实验步骤 任务一：通过可变电源控制马达旋转 任务二：通过光电开关测量马达转速 任务三：通过程序自动调整电源电压，从而逼近设定转速 编程思路：PID控制器输入SP为期望转速输出，PV为实际测量得到的电机转速，MV为PID输出控制电压。其中SP由前面板输入；PV通过光电开关测量马达转速得到；将PID 的输出控制电压接到“可变电源控制马达旋转”模块的电压输入控制端，控制可变电源产生所需的直流电机控制电压。通过不断地检测马达转速与期望值对比产生偏差，通过PID控制器产生控制信号，达到直流电机转速的负反馈控制。 PID参数：比例增益：0.0023 积分时间：0.010 微分时间：0.006 采样率和待读取采样：采样率：500kS/s 待读取采样：500 启动死区：电机刚上电时，速度为0，脉冲周期测量为0，脉冲频率测量为无限大。通过设定转速的“虚拟下限”解决。本实验电机转速最大为600r/min。故可将其上限值设为600r/min，超过上限时，转速的虚拟下限设为200r/min。 改进：利用LabVIEW中的移位寄存器对转速测量值取滑动平均。 《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]; 数值分析实验报告模板 篇一：数值分析实验报告(一)(完整) 数值分析实验报告 1 2 3 4 5 篇二：数值分析实验报告 实验报告一 题目：非线性方程求解 摘要：非线性方程的解析解通常很难给出，因此线性方程的数值解法就尤为重要。本实验采用两种常见的求解方法二分法和Newton法及改进的Newton法。利用二分法求解给定非线性方程的根，在给定的范围内，假设f(x,y)在[a,b]上连续，f(a)xf(b) 直接影响迭代的次数甚至迭代的收敛与发散。即若x0 偏离所求根较远，Newton法可能发散的结论。并且本实验中还利用利用改进的Newton法求解同样的方程，且将结果与Newton法的结果比较分析。 前言：（目的和意义） 掌握二分法与Newton法的基本原理和应用。掌握二分法的原理，验证二分法，在选对有根区间的前提下，必是收 敛，但精度不够。熟悉Matlab语言编程，学习编程要点。体会Newton使用时的优点，和局部收敛性，而在初值选取不当时，会发散。 数学原理： 对于一个非线性方程的数值解法很多。在此介绍两种最常见的方法：二分法和Newton法。 对于二分法，其数学实质就是说对于给定的待求解的方程f(x)，其在[a,b]上连续，f(a)f(b) Newton法通常预先要给出一个猜测初值x0，然后根据其迭代公式xk?1?xk?f(xk) f'(xk) 产生逼近解x*的迭代数列{xk}，这就是Newton法的思想。当x0接近x*时收敛很快，但是当x0选择不好时，可能会发散，因此初值的选取很重要。另外，若将该迭代公式改进为 xk?1?xk?rf(xk) 'f(xk) 其中r为要求的方程的根的重数，这就是改进的Newton 法，当求解已知重数的方程的根时，在同种条件下其收敛速度要比Newton法快的多。 程序设计： 本实验采用Matlab的M文件编写。其中待求解的方程写成function的方式，如下 function y=f(x); 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 金融学实验报告 题目：《金融学》证券模拟交易实验报告 院系：经济与金融学院 2015年12月16日 【实验题目】 证券模拟交易 【实验目的】 通过选取股票进行模拟交易掌握基本的证券及证券市场知识。 理解证券价格走势的基本特征，价格走势与成交量之间的基本关系：通过对证券分析软件的使用了解证券分析软件基本功能和证券模拟交易系统的基本使用方法。 【理论基础】 运用财务知识对证券进行基本面的分析。 运用K线分析方法及成交量分析方法描述多空力量对比及变化趋势，进而判断证券价格走势。 运用移动平行线判断证券价格运行状态。 【实验要求】 利用模拟交易系统进行选股分析，并进行股票投资，验证对后市股价预测的准确性。 【实验方案与进度】 本次实验选取分析的股票是信维通信（300136）。利用大智慧证券分析系统和新浪财经网、和讯网、东方财富网等获取股价走势图等相关图表和数据。 在通过对证券分析方法的教材等进行系统地学习之后对股票进行技术面的分析，并结合技术分析，如：K线分析方法、成交量分析方法、主盘控制程度分析表、机构与散户资金对比表等，综合评定股票，预测股票在未来的走势。 【实验过程与步骤】 了解证券投资基础知识； 了解证券投资实践基础知识； 学会看盘，掌握证券投资软件操作； 运用炒股软件进行模拟交易，对股票进行基本面和技术面的分析，预测股票在未来的走势。 一、基本面分析 【公司及股票信息】 【宏观行情分析】 2015年,受益经济结构升级和企业转型,科技行业和ICT行业的估值不断提升。运营商投资进入后4G真空期,单纯网络升级的投资驱动逻辑难以为继,同时行业在网络、系统、业务三个层面也在发生深刻变化,新成长的方向已崭露头角。展望2016大通信行业,国家战略需求、反恐安防升级、网军建设将造就信息安全和专网的确定性成长;军改下的军用通信将受益于中国版C4ISR加速建设;ICT融合下,SDN/NFV、大数据技术将产生颠覆。维持行业“推荐”评级,建议把握有成长确定性的细分子行业,并采取自下而上的选股策略,重点推荐五条投资主线:信息安全和专网通信、军用通信、大数据、互联网转型和工业互联网、小公司大平台。 11月份结束,12月份来临,受新股IPO、美国加息预期等影响,短期市场可能会有所波动。但展望2016年,上游半导体整合并购不止,中游零组件创新不断,下游新终端产品持续推出,我们对电子行业保持乐观态度。整体来看,虽然今年半导体衰退压力较大,但明年资本支出看增显示出它们乐观态度,加上产业整合并购不断,半导体将继续精彩纷呈;电 子制造业受欧美先进制造和东南亚中低端制造的前后夹击,国内人力成本上升,加上企业对90后的管理更加困难,很多电子制造厂商都有意愿加强制造的自动化,预计未来两年电子制造自动化仍能保持较高景气。 【公司素质分析】 个股价值评估 公司地位 股本结构 ④公司战略 坚持大客户战略,业绩确定高增长 公司成长逻辑清晰:国际大客户基础+基于核心技术(+份额提升+产品线拓张=确定的高 速增长。公司始终坚持大客户战略,凭借射频技术、快速响应及出色的产品品质得到大客户认可,已经成为苹果、三星、索尼、华为、微软等国际大客户主力供应商,公司将持续跟随客户成长。 在此基础上,其产品在客户的份额不断提升。射频系列,以苹果为例,公司wifi天线在iPhone的份额提升至30-50%,与安费诺不相伯仲,此外也全面进入iPad、Mac等全系列产品线,我们估测苹果手机wifi天线年需求1-2亿美金,平板天线年需求6-7亿元美 金,Macbook天线年需求3-4亿美金,且从iphone7起手机WiFi天线数量大概率将翻倍; 实验报告一 题目：非线性方程求解 摘要：非线性方程的解析解通常很难给出，因此线性方程的数值解法就尤为重要。本实验采用两种常见的求解方法二分法和Newton法及改进的Newton法。 前言：（目的和意义） 掌握二分法与Newton法的基本原理和应用。 数学原理： 对于一个非线性方程的数值解法很多。在此介绍两种最常见的方法：二分法和Newton法。 对于二分法，其数学实质就是说对于给定的待求解的方程f(x)，其在[a,b]上连续，f(a)f(b)<0，且f(x)在[a,b]内仅有一个实根x*，取区间中点c，若，则c恰为其根，否则根据f(a)f(c)<0是否成立判断根在区间[a,c]和[c,b]中的哪一个，从而得出新区间，仍称为[a,b]。重复运行计算，直至满足精度为止。这就是二分法的计算思想。 Newton法通常预先要给出一个猜测初值x0，然后根据其迭代公式 产生逼近解x*的迭代数列{x k}，这就是Newton法的思想。当x0接近x*时收敛很快，但是当x0选择不好时，可能会发散，因此初值的选取很重要。另外，若将该迭代公式改进为 其中r为要求的方程的根的重数，这就是改进的Newton法，当求解已知重数的方程的根时，在同种条件下其收敛速度要比Newton法快的多。 程序设计： 本实验采用Matlab的M文件编写。其中待求解的方程写成function的方式，如下 function y=f(x); y=-x*x-sin(x); 写成如上形式即可，下面给出主程序。 二分法源程序： clear %%%给定求解区间 b=1.5; a=0; %%%误差 R=1; k=0;%迭代次数初值 while (R>5e-6) ; c=(a+b)/2; if f12(a)*f12(c)>0; a=c; else b=c; end R=b-a;%求出误差 k=k+1; end x=c%给出解 Newton法及改进的Newton法源程序：clear %%%% 输入函数 f=input('请输入需要求解函数>>','s') %%%求解f(x)的导数 df=diff(f); 西安交通大学 电子信息与工程学院自动化科学与技术系微机原理与接口技术实验报告 实验名称：微机原理与接口技术 实验者姓名： XX 实验者学号：21105040XX 所在班级：自动化1X 报告完成日期：2014年1月12日 实验一 数据传送、算术运算、循环程序结构 1、实验目的 a)熟悉8086汇编语言源程序的框架结构，并掌握汇编语言程序的编写、汇 编、连接、执行的过程，并利用Turbo Debugger调试汇编程序。 b)熟悉8086指令系统的数据传送指令，掌握寻址方式。 c)熟悉8086指令系统的算术运算指令。掌握循环结构汇编语言程序的编制。 2、实验内容 教材P121，第14、15题。教材P195，第6题。教材P196，第12题。 3、具体实验 第一题（P121，第14题） 设有两个8个字节长的BCD码数据BCD1及BCD2。BCD1数以1000H为首地址在内存中顺序存放；BCD2数以2000H为首地址在内存中顺序存放。要求相加后结果顺序存放在以2000H为首地址 的内存区中（设结果BCD数仍 不超过8个字节长）。 a) 实验原理 考虑两个8个字节长的 BCD码相加，首先根据地址要 求将数据放在对应的地址单 元中，然后做加法，BCD码相 加要用到调整指令，结果才 为正确的BCD数 b) 程序框图 c) 程序源代码 DATAS SEGMENT ORG1000H BCD1 DB 01H,02H,03H,04H,05H,06H,07H,88H;起始地址为1000H ORG2000H BCD2 DB 11H,12H,13H,14H,15H,16H,17H,18H;起始地址为2000H DATAS ENDS CODES SEGMENT ASSUME CS:CODES,DS:DATAS START: MOV AX,DATAS MOV DS,AX MOV BX,0 MOV CX,8 ;设置循环次数8次 CLC ;清进位CF标志 AGAIN:MOV AL,[BX+1000H] ADC [BX+2000H],AL;结果放在2000H开始的单元内 DAA INC BX LOOP AGAIN;没完成则转AGAIN循环 MOV AH,4CH INT 21H CODES ENDS END START 运行： BCD1 DB 11H,12H,13H,14H,15H,16H,17H,18H BCD2 DB 21H,22H,23H,24H,25H,26H,27H,28H 结果如下：DS:2000H为首地址的连续八个字节单元中西安交通大学接口技术实验报告
数值分析实验报告1
模式识别第二次上机实验报告
西安交大数字图像处理第二次实验报告
模式识别实验报告
西 安 交 通 大 学 实 验 报 告 生物信息学
数值分析上机实验报告
西安交通大学实验报告
数值分析拉格朗日插值法上机实验报告
西安交通大学检测技术课内实验报告
数值分析实验报告1
西安交大自动控制原理实验报告
《模式识别》实验报告
数值分析实验报告模板
模式识别实验报告(一二)
西安交大金融学实验报告
(完整版)哈工大-数值分析上机实验报告
微机原理实验报告西安交通大学
相关主题
文本预览