10KV系统实验报告-完整表格数据--

10KV系统实验报告-完整表格数据--

叉叉水电站

电力设备交接试验报告

10KV系统

中国水利水电第叉叉工程局有限公司

机电安装分局调试所

叉叉年叉叉月

ZSD10-JS-05113

中国水利水电第叉叉工程局有限公司机电安装

分局调试所

干式变压器交接试验报告

1.干式变压器—XXX

电站名称叉叉电站

设备用途TA3厂用变压器

安装位置10KV

1.设备参数

型号SCB11-800/

10

额定容量

（kVA）

800

额定电压（kV）10

额定电流

（A）

73.3

接线组别Dyn11 冷却方式AN

短路阻抗（%）/ 空载电流

（%）

/

额定频率50 出厂日期/

统计学实验报告汇总

本科生实验报告 实验课程统计学 学院名称商学院 专业名称会计学 学生姓名苑蕊 学生学号0113 指导教师刘后平 实验地点成都理工大学南校区 实验成绩 二〇一五年十月二〇一五年十月

依据上述资料编制组距变量数列，并用次数分布表列出各组的频数和频率，以及向上、向下累计的频数和频率， 并绘制直方图、折线图。 学生 实验 心得

2.已知2001-2012年我国的国内生产总值数据如表2-16所示。 学生 实验 心得 要求：（1）依据2001-2012年的国内生产总值数据，利用Excel软件绘制线图和条形图。

（2）依据2012年的国内生产总值及其构成数据，绘制环形图和圆形图。 学生 实验 心得 3.计算以下数据的指标数据 1100 1200 1200 1400 1500 1500 1700 1700 1700 1800 1800 1900 1900 2100 2100 2200 2200 2200 2300 2300 2300 2300 2400 2400 2500 2500 2500 2500 2600 2600 2600 2700 2700 2800 2800 2800 2900 2900 2900 3100 3100 3100 3100 3200 3200 3300 3300 3400 3400 3400 3500 3500 3500 3600 3600 3600 3800 3800 3800 4200

4.一家食品公司，每天大约生产袋装食品若干，按规定每袋的重量应为100g。为对产品质量进行检测，该企业质检部门采用抽样技术，每天抽取一定数量的食品，以分析每袋重量是否符合质量要求。现从某一天生产的一批食品8000袋中随机抽取了25袋（不重复抽样），测得它们的重量分别为： 学生实验心得 101 103 102 95 100 102 105 已知产品重量服从正态分布，且总体方差为100g。试估计该批产品平均重量的置信区间，置信水平为95%.

数据挖掘实验报告

《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/144287177.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/144287177.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；

多元统计学SPSS实验报告一

华东理工大学2016–2017学年第二学期 《多元统计学》实验报告 实验名 称实验1数据整理与描述统计分析

教师批阅：实验成绩： 教师签名: 日期： 实验报告正文： 实验数据整理 (一)对“employee”进行数据整理 1.观察量排序 ( based on current salary） 2.变量值排序（based on current salary : rsalary） 3.计算新的变量（incremental salary=current salary - beginning salary）

4.拆分数据文件（based on gender） 结论：There are 215 female employees and 259 male employees. 5.分类汇总 (break variable: gender ; function: mean ) 结论：The average current salary of female is . The average current salary of male is . （二）分别给出三种工作类别的薪水的描述统计量 实验描述统计分析 1)样本均值矩阵 结论：总共分析六组变量，每组含有十个样本。 每股收益（X1）的均值为；净资产收益率（X2）的均值为；总资产报酬率（X3）的均值为；销售净

利率（X4）的均值为；主营业务增长率（X5）的均值为；净利润增长率（X6）的均值为. 2）协方差阵 结论：矩阵共六行六列，显示了每股收益（X1）、净资产收益率（X2）、总资产报酬率（X3）、销售净利率（X4）、主营业务增长率（X5）和净利润增长率（X6）的协方差。 3）相关系数 结论：矩阵共六行六列，显示了每股收益 （X1）、净资产收益率（X2）、总资产报酬 率（X3）、销售净利率（X4）、主营业务增 长率（X5）和净利润增长率（X6）之间的 相关系数。 每格中三行分别显示了相关系数、显著性 检验与样本个数。 4）矩阵散点图

基于单片机的温度数据采集系统实验报告

基于单片机的温度数据采集系统实验报告 班级：电技10—1班 姓名：田波平 学号：1012020108 指导老师：仲老师

题目：基于单片机的温度数据采集系统 一．设计要求 1．被测量温度范围：0~120℃，温度分辨率为0.5℃。 2．被测温度点：2个，每5秒测量一次。 3．显示器要求：通道号2位，温度4位（精度到小数点后一位）。 显示方式为定点显示和轮流显示。 4．键盘要求： （1）定点显示设定；（2）轮流显示设定；（3）其他功能键。 二．设计内容 1．单片机及电源模块设计 单片机可选用AT89S51及其兼容系列，电源模块可以选用7805等稳压组件，本机输入电压范围9-12v。 2．存储器设计 扩展串行I2C存储器AT24C02。 要求： AT24C02的SCK接P3.2 AT24C02的SDA接P3.4 2．传感器及信号转换电路 温度传感器可以选用PTC热敏电阻，信号转换电路将PTC输出阻值转换为0-5V。 3．A/D转换器设计 A/D选用ADC0832。 要求： ADC0832的CS端接P3.5 ADC0832的DI端接P3.6 ADC0832的DO端接P3.7 ADC0832的CLK端接P2.1 4．显示器设计。 6位共阳极LED显示器，段选（a-h）由P0口控制，位选由P2.2-P2.7控制。数码管由2N5401驱动。 5．键盘电路设计。 6个按键，P2.2-P2.7接6个按键，P3.4接公共端，采用动态扫描方式检测键盘。 6．系统软件设计。 系统初始化模块，键盘扫描模块，数据采集模块，标度变换模块、显示模块等。 三．设计报告要求 设计报告应按以下格式书写： （1）封面； （2）设计任务书； （3）目录； （4）正文；

数据挖掘实验报告(一)

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 #include #include #define DEEP 3 #define DATAFILE "data.txt" #define VPT 10 //定义结构体 typedef struct chain{ int num; struct chain *next; }* data; //定义全局变量 data head,p,q; FILE *fp; int num,sum,count=0; int i,j; int *box; void mean(); void medain(); void boundary(); int main () { //定义头指针 head=(data)malloc(sizeof(struc t chain)); head->next=NULL; /*打开文件*/ fp=fopen(DATAFILE,"r"); if(!fp) exit(0); p=head; while(!feof(fp)){

数据采集系统实验报告

学院名称： 电气信息工程学院 专 业： 测控技术与仪器 班 级： 09测控1W 姓 名： 胡建兵 学 号： 09314111 指导教师姓名： 朱 雷 2012 年 11 月 JIANGSU TEACHERS UNIVERSITY OF TECHNOLOGY 数据采集系统实验报告

实验2——A/D采集模块设计 一．实验目的 学习用状态机实现对ADC0809，AD574A等A/D转换器的采样控制。 二．实验原理 图1和图2分别为ADC0809的引脚图，转换时序图和采样控制状态图。时序图中，START为转换启动控制信号，高电平有效；ALE为模拟信号输入选通端口地址锁存信号，上升沿有效；一旦START有效后，状态信号变EOC变为低电平，表示进入状态转换，转换时间约为100us。转换结束后，EOC将变为高电平。此外外部控制可使OE由低电平变为高电平（输出有效），此时，ADC0809的输出数据总线D【7...0】从原来的高阻态变为输出数据有效。由状态图也可以看到，状态st2中需要对ADC0809工作状态信号EOC进行测试，如果为低电平，表示转换没有结束，仍需要停留在st2状态中等待，直到变成高电平后才说明转换结束，在下一时钟脉冲到来时转向状态st3。在状态st3，由状态机向ADC0809发出转换好的8位数据输出允许命令，这一状态周期同时可作为数据输出稳定周期，以便能在下一状态中向锁存器锁入可靠的数据。在状态st4，由状态机向FPGA中的锁存器发出锁存信号（LOCK的上升沿），将ADC0809的输出数据进行锁存。 图2.1 ADC0809工作时序

图2.2 控制ADC0809采样状态图程序如图实例1所示，其结构框图如图3所示。 图2.3 采样状态机结构框图

数据挖掘实验报告资料

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。

温度采集实验报告

课程设计任务书 题目基于AD590的温度测控系统设计 系(部) 信息科学与电气工程学院 专业电气工程及其自动化 班级电气092 学生姓名刘玉兴 学号090819210 月日至月日共周 指导教师(签字) 系主任(签字) 年月日

摘要 温度是工业生产和自动控制中最常见的工艺参数之一。过去温度检测系统设计中,大多采用模拟技术进行设计,这样就不可避免地遇到诸如传感器外围电路复杂及抗干扰能力差等问题;而其中任何一环节处理不当,就会造成整个系统性能的下降。随着半导体技术的高速发展,特别是大规模集成电路设计技术的发展, 数字化、微型化、集成化成为了传感器发展的主要方向。 以单片机为核心的控制系统．利用汇编语言程序设计实现整个系统的控制过程。在软件方面，结合ADC0809并行8位A／D转换器的工作时序，给出80C51单片机与ADC0908并行A ／D转换器件的接口电路图，提出基于器件工作时序进行汇编程序设计的基本技巧。本系统包括温度传感器，数据传输模块，温度显示模块和温度调节驱动电路，其中温度传感器为数字温度传感器AD590，包括了单总线数据输出电路部分。文中对每个部分功能、实现过程作了详细介绍。 关键词：单片机、汇编语言、ADC0809、温度传感器AD590

Abstract Temperature is the most common one of process parameters in automatic control and industrial production. In the traditional temperature measurement system design, often using simulation technology to design, and this will inevitably encounter error compensation, such as lead,complex outside circuit,poor anti-jamming and other issues, and part of a deal with them Improperly, could cause the entire system of the decline. With modern science and technology of semiconductor development, especially large-scale integrated circuit design technologies, digital, miniaturization, integration sensors are becoming an important direction of development. In the control systems with the core of SCM，assembly language programming is used to achieve the control of the whole system．Combining with the operation sequence of ADC0809，the interface circuit diagrams of 80C51 SCM and ADC0809 parallel A／D conveger ale given．The basic skills of assembly language programming based on the operation se—quenee of the chip ale put forward．This system include temperature sensor and data transmission, the moduledisplays

数据挖掘报告

哈尔滨工业大学 数据挖掘理论与算法实验报告(2016年度秋季学期) 课程编码S1300019C 授课教师邹兆年 学生姓名汪瑞 学号 16S003011 学院计算机学院

一、实验内容 决策树算法是一种有监督学习的分类算法；kmeans是一种无监督的聚类算法。 本次实验实现了以上两种算法。在决策树算法中采用了不同的样本划分方式、不同的分支属性的选择标准。在kmeans算法中，比较了不同初始质心产生的差异。 本实验主要使用python语言实现，使用了sklearn包作为实验工具。 二、实验设计 1.决策树算法 1.1读取数据集 本次实验主要使用的数据集是汽车价值数据。有6个属性，命名和属性值分别如下： buying: vhigh, high, med, low. maint: vhigh, high, med, low. doors: 2, 3, 4, 5more. persons: 2, 4, more. lug_boot: small, med, big. safety: low, med, high. 分类属性是汽车价值，共4类，如下： class values：unacc, acc, good, vgood 该数据集不存在空缺值。

由于sklearn.tree只能使用数值数据，因此需要对数据进行预处理，将所有标签类属性值转换为整形。 1.2数据集划分 数据集预处理完毕后，对该数据进行数据集划分。数据集划分方法有hold-out法、k-fold交叉验证法以及有放回抽样法（boottrap）。 Hold—out法在pthon中的实现是使用如下语句： 其中，cv是sklearn中cross_validation包，train_test_split 方法的参数分别是数据集、数据集大小、测试集所占比、随机生成方法的可

数据挖掘实验报告-关联规则挖掘

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 #include #define D 4 //事务的个数 #define MinSupCount 2 //最小事务支持度数 void main() { char a[4][5]={ {'A','C','D'}, {'B','C','E'}, {'A','B','C','E'}, {'B','E'} }; char b[20],d[100],t,b2[100][10],b21[100 ][10]; int i,j,k,x=0,flag=1,c[20]={0},x1=0,i1 =0,j1,counter=0,c1[100]={0},flag1= 1,j2,u=0,c2[100]={0},n[20],v=1; int count[100],temp; for(i=0;i=MinSupCount) { d[x1]=b[k]; count[x1]=c[k]; x1++; } } //对选出的项集中的元素进行排序 for(i=0;i

统计学实验报告1

统计学实验报告1 -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

实验报告

二、打开文件“数据 3.XLS”中“城市住房状况评价”工作表，完成以下操作。 1）通过函数，计算出各频率以及向上累计次数和向下累计次数；2）根据两城市频数分布数据，绘制出两城市满意度评价的环形图三、打开文件“数据 3.XLS”中“期末统计成绩”工作表，完成以下操作。 1）要求根据数据绘制出雷达图，比较两个班考试成绩的相似情况。 实验过程： 实验任务一: 1）利用函数frequency制作一张频数分布表 步骤1:打开文件“数据 3. XLS”中“某公司4个月电脑销售情况”工作表 步骤 2.在“频率(%)”的右侧加入一列“分组上限”，因统计分组采用“上限不在内”，故每组数据的上限都比真正的上限值小0.1，例如:“140-150”该组的上限实际值应为“150”，但我们为了计算接下来的频数取“149.9”. 步骤3.选定C20:C29，再选择“插入函数”按钮 3 步骤 4.选择类别“统计”—选择函数“FREQUENCY”

步骤5.在“data_array”对话框中输入“A2:I13”，在“bins_array”对话框中输入“E20：E29 该函数的第一个参数指定用于编制分布数列的原始数据，第二个参数指定每一组的上限. 步骤6.选定C20:C30区域，再按“自动求和” 按钮，即可得到频数的合计

步骤7.在D20中输入“=（C20/$C$30）*1OO” 步骤8:再将该公式复制到D21:D29中，并按“自动求和”按钮计算得出所有频率的合计。

数据采集与传输系统实验报告

(此文档为word格式，下载后您可任意编辑修改！) 数据采集与传输系统 摘要 该数据采集与传输系统以89C51及89C2051为核心，由数据采集模块、调制解调模块、模拟信道、测试码发生器、噪声模拟器、结果显示模块等构成。在本方案中仅使用通用元器件就较好的实现了题目要求的各项指标。其中调制解调模块、噪声模拟器分别采用单片机和可编程逻辑器件实现。本数据采集与传输系统既可对8路数据进行轮检，也可设置为对一路数据单独监控。本系统硬件设计应用了EDA 工具，软件设计采用了模块化的编程方法。传输码元速率为16kHz～48kHz的二进制数据流。另外，还使用了“1”：“01”、“0”：“10”的Manchester编码方法使数据流的数据位减少,从而提高传输速率。

一、方案设计与论证 首先，我们分析一下信道与信噪比情况。本题中码元传输速率为16k波特，而信号被限定在30k～50kHz的范围内，属于典型的窄带高速率数字通信。而信噪比情况相对较好。这是因为信号带宽仅为20kHz，而噪声近似为0～43kHz（）的窄带白噪声，这样即使在信号和噪声幅度比值为1：1的情况下，带内的噪声功率仍然比较小，所以系统具有较高的信噪比。 方案一： 常用的数字调制系统有：ASK、FSK、PSK等。其中FSK具有较强的抗干扰能力，但其要求的的带宽最宽，频带利用率最低，所以首先排除。ASK理论上虽然可行，但在本题目中，由于一个码元内只包括约两个周期的载波，所以采用包络检波法难以解调，也不可行。另外，对于本题目，还可以考虑采用基带编码的方法进行传输，如HDB3码，但这种编码方法其抗干扰能力较差，因此也不太适合。 方案二： PSK调制方式具有较强的抗干扰能力，同时其调制带宽相对也比较窄，因此我们考虑采用这种调制方式。为了简化系统，在实际实现时，我们采用了方波作为载波的PSK调制方式。当要求的数据传输速率较低（≤24kbps）时，对原始数据处理的方法如下：

大数据挖掘weka大数据分类实验报告材料

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：

数据采集AD转换实验报告

学生实验报告册 课程名称：___________________________________ 学院：______________________________________ 专业班级：___________________________________ 姓名：______________________________________ 学号：______________________________________ 指导教师：___________________________________ 成绩：______________________________________ 学年学期：2017-2018学年秋学期 重庆邮电大学教务处制

STAB! CUt OK ⑵ ADC0809引脚结构 ADC0809各脚功能如下： D7 ~ D0 : 8位数字量输出引脚。IN0 ~ IN7 : 8位模拟量输入引脚。 VCC +5V工作电压。GND地。 REF( +):参考电压正端。REF(-):参考电压负端。 START A/D转换启动信号输入端。 ALE地址锁存允许信号输入端。(以上两种信号用于启动A/D转换). EOC转换结束信号输出引脚，开始转换时为低电平，当转换结束时为高电平。 OE输出允许控制端，用以打开三态数据输出锁存器。 CLK时钟信号输入端(一般为500KHZ。 A B、C:地址输入线。 ⑶ADC0809对输入模拟量要求： 信号单极性，电压范围是0- 5V,若信号太小，必须进行放大；输入的模拟量在转换过程中应该保持不变，如若模拟量变化太快，则需在输入前增加采样保持电路。 地址输入和控制线：4条 ALE为地址锁存允许输入线，高电平有效。当ALE线为高电平时，地址锁存与译码器将A，B, C三条地址线的地址信号进行锁存，经译码后被选中的通道的模拟量进转换器进行转换。A，B和C为地址输入线，用于选通IN0 —IN7上的一路模拟量输入。通道选择表如下表所示。

数据挖掘实验报告1

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=0) Temp_Num_Attrib++; If Temp_Num_Attrib==0 { N->ClassNo=最多的类； N->IsLeaf=TRUE; N->Left_Node=NULL;N->Right_Node=NULL; Return N; } If Class_Distribute中仅一类的分布大于0 { N->ClassNo=该类； N->IsLeaf=TRUE; N->Left_Node=NULL;N->Right_Node=NULL; Return N; } InforGain=0;CurrentCol=-1; For i=0;i

统计学实验报告

统计学实验报告 一.实验步骤总结数据的搜集与整理 一.数据的搜集 ●间接数据的搜集 方法一：直接通过进入专业的数据库网站查询数据 方法二：使用搜索引擎进行数据的搜索 ●直接数据的搜集 抽样调查： 1．调查方案设计 2．调查问卷设计 3．问卷发放 4．问卷回收 二.数据的整理 ●数据编码 1.在Excel中选择三列，将三列分别命名，后两列为：编码符号、代表含义 2.数据搜集好后，按照他们的特征进行分类，并依次放入第一列 3.在“编码符号”列为每一个列别编码，并在“代表含义”列说明编码的含义 ●数据的录入 转置（行与列换位）： 1.激活数据所在单元格 2.单击鼠标右键，选中“复制” 3.在空白处激活另一单元格，点击鼠标右键，选中“选择性粘贴”项。 4.在弹出的“选择性粘贴”对话框中，粘贴项选中“全部”，运算选中“无”，选中“转置” 复选框，点击确定按钮既得转置的结果。 单元格内部换行：“Alt+Enter”组合键 ●数据的导入 方法一：1.单击菜单栏“文件—打开”，在弹出的的“打开”对话框中找到要导入的文件。 2.双击鼠标左键或者单击打开按钮，所需要的文件就被导入了。 方法二：1.单击菜单栏“数据—导入外部数据—导入数据”，在弹出的“选取数据源”的对话框中找到要导入的文件。 2.双击鼠标左键或者单击打开按钮，所需要的文件就被导入了。 ●数据的筛选 自动筛选： 1.选中要筛选的数据区域 2.使用菜单栏中的“数据—筛选—自动筛选”，这时每列的第一个单元格的右边都会出现 一个下拉箭头，我们就可以通过下拉菜单中的选择实现筛选。 3.如果选择了下拉菜单中的“自定义”，就会弹出一个“自定义自动筛选方式”对话框， 在对话框中可自己选择筛选条件，然后点击确定按钮。 高级筛选： 1. 将要筛选数据区域的列标题复制粘贴在空白区域，并在他们对应下的单元格中输入所要

计算机数据采集系统实验说明书

汇编语言程序设计实验说明书 实验一汇编语言程序上机过程 1实验二屏幕字符显示程序 3实验三音乐程序 5实验四键盘和窗口程序 7实验五活动图形显示程序 9实验六磁盘文件操作程序 12 实验一、实验二、实验四必做，其余选作一题

实验一汇编语言程序上机过程 实验目的: 1、掌握常用工具软件 PE,MASM和LINK的使用。 2、伪指令: SEGMENT,ENDS,ASSUME,END,OFFSET,DUP。 3、利用的 1号功能实现键盘输入的方法。 4、了解.EXE文件和.COM文件的区别及用INT 21H 4C号功能返回系统的方法。 程序: data segment message db 'This is a sample program of keyboard and disply' db 0dh,0ah,'Please strike the key!',0dh,0ah,'$' data ends stack segment para stack 'stack' db 50 dup(?) stack ends code segment assume cs:code,ds:data,ss:stack start: mov ax,data mov ds,ax mov dx,offset message mov ah,9 int 21h again: mov ah,1 int 21h cmp al,1bh je exit cmp al,61h jc nd cmp al,7ah ja nd and al,11011111b nd: mov dl,al mov ah,2 int 21h jmp again exit: mov ah,4ch int 21h code ends end start 实验步骤: 1、用用文字编辑工具（记事本或EDIT）将源程序输入,其扩展名为.ASM。 2、用MASM对源文件进行汇编,产生.OBJ文件和.LST文件。若汇编时提示有错,用文字编辑工具修改源程序后重新汇编,直至通过。 3、用TYPE命令显示1产生的.LST文件。 4、用LINK将.OBJ文件连接成可执行的.EXE文件。

数据挖掘实验报告 超市商品销售分析及数据挖掘

通信与信息工程学院 课程设计说明书 课程名称: 数据仓库与数据挖掘课程设计题目: 超市商品销售分析及数据挖掘专业/班级: 电子商务（理） 组长: 学号: 组员/学号: 开始时间: 2011 年12 月29 日完成时间: 2012 年01 月 3 日

目录 1．绪论 (1) 1.1项目背景 (1) 1.2提出问题 (1) 2．数据仓库与数据集市的概念介绍 (1) 2.1数据仓库介绍 (1) 2.2数据集市介绍 (2) 3．数据仓库 (3) 3.1数据仓库的设计 (3) 3.1.1数据仓库的概念模型设计 (4) 3.1.2数据仓库的逻辑模型设计 (5) 3.2 数据仓库的建立 (5) 3.2.1数据仓库数据集成 (5) 3.2.2建立维表 (8) 4.OLAP操作 (10) 5.数据预处理 (12) 5.1描述性数据汇总 (12) 5.2数据清理与变换 (13) 6.数据挖掘操作 (13) 6.1关联规则挖掘 (13) 6.2 分类和预测 (17) 6.3决策树的建立 (18) 6.4聚类分析 (22) 7.总结 (25) 8.任务分配 (26)

数据挖掘实验报告 1.绪论 1.1项目背景 在商业领域中使用计算机科学与技术是当今商业的发展方向，而数据挖掘是商业领域与计算机领域的乔梁。在超市的经营中,应用数据挖掘技术分析顾客的购买习惯和不同商品之间的关联，并借由陈列的手法,和合适的促销手段将商品有魅力的展现在顾客的眼前, 可以起到方便购买、节约空间、美化购物环境、激发顾客的购买欲等各种重要作用。 1.2提出问题 那么超市应该对哪些销售信息进行挖掘？怎样挖掘？具体说，超市如何运用OLAP操作和关联规则了解顾客购买习惯和商品之间的关联，正确的摆放商品位置以及如何运用促销手段对商品进行销售呢？如何判断一个顾客的销售水平并进行推荐呢？本次实验为解决这一问题提出了解决方案。 2.数据仓库与数据集市的概念介绍 2.1数据仓库介绍 数据仓库，英文名称为Data Warehouse，可简写为DW或DWH，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它并不是所谓的“大型数据库”。........ 2.2数据集市介绍 数据集市，也叫数据市场，是一个从操作的数据和其他的为某个特殊的专业人员团体服务的数据源中收集数据的仓库。....... 3.数据仓库 3.1数据仓库的设计 3.1.1数据库的概念模型 3.1.2数据仓库的模型 数据仓库的模型主要包括数据仓库的星型模型图，我们创建了四个