人机工程学实验报告资料
人机工程学实验报告Hust工业设计专业，人机工程课程实验报告
必做实验（7个）：
一、镜画仪：
是一项目动作技能迁移的实验。因通过镜子反射，和原图形相比镜中图像是上下倒置而左右不变。
实验一
实验二
自变量：试验次数
因变量：出错次数、使用时间
实验数据分析结果：1.随着实验次数的增加，实验者不变，但是其所用时间及错误次数都在变少，熟练程度明显增加。
2.在同样的情况和同样的图案上，实验的后一次测验比前一次的测验有所进步，就为正迁移效果。
二、光亮度辨别仪
光亮度辨别仪的作用：心理学中常用的一种视觉实验仪器。它可以测定明度差别阈限，也可以制作明度量表。
自变量：光亮度真实值
因变量：实际测量值、差值
实验数据分析结果：随着光亮度的增加，实验者对于光的敏感度下降，误差变大。
应用范围：可调节亮度的台灯，它的优点在于调节亮度的装置消耗的电能极少，节约了电能，减少了不必要的损耗，灯的亮度可根据不同的天气，不同的时间，人们不同的需求，调节不同的亮度，方便人们的生活。
三、瞬时记忆实验仪
仪器同时呈现一组随机数字或字母，在部分报告法实验中，要求被试再现当时指定的一部分，然后在指定的时间内通过大脑记录下来。
自变量：瞬时刺激时间
因变量：记忆保存量
实验数据分析结果：人的大脑在瞬时记忆中，记忆的时间越长，准确率越高。
四、记忆广度测试仪
适用于心理特点测定中的数字记忆广度实验和提高记忆力的训练。并具有同时测量被试视觉、记忆、反应速度三者结合能力的功能，是一种常用的心理学测量仪器。
自变量：不同的实验者
因变量：记忆广度分数、出错位数
实验数据分析结果：因为人与人的不同，其记忆能力不同，有记忆广度大的，也有记忆广度小的。
应用范围：用在小孩子的智力玩具上，刺激小孩子对数字的认识和敏感性，提高记忆力和反映能力，同时可以很好的帮助小孩子注意力的集中。
人机交互技术实验二熟悉认知心理学和人机工程学
重庆邮电大学移通学院学生实验报告 实验名称：熟悉认知心理学和人机工程学 专业班级：数字媒体技术 02141401 姓名：罗钧 学号： 2014210xxx 实验日期：
实验二：熟悉认知心理学和人机工程学 一、实验目的 （1）了解人机交互技术的研究内容； （2）熟悉认知心理学的基本概念和主要内容； （3）熟悉人机工程学的基本概念和主要内容。 二、工具/准备工作 需要准备一台带有浏览器，能够访问因特网的计算机。 三、实验内容与步骤 1.认知学的概念 （1）分析“人机界面学”的主要研究内容。 人机界面（Human Machine Interaction，简称HMI），又称用户界面或使用者界面，是人与计算机之间传递、交换信息的媒介和对话接口，是计算机系统的重要组成部分。是系统和用户之间进行交互和信息交换的媒介，它实现信息的内部形式与人类可以接受形式之间的转换。凡参与人机信息交流的领域都存在着人机界面。 （2）给出“认知心理学”的定义。 认知心理学是二十世纪50年代中期在西方兴起的一种心理学思潮，是作为人类行为基础的心理机制，其核心是输入和输出之间发生的内部心理过程。它与西方传统哲学也有一定联系，其主要特点是强调知识的作用，认为知识是决定人类行为的主要因素。 认知心理学是最新的心理学分支之一，从1950至1960年代间才发展出来的，到70年代成为西方心理学的主要流派。1956年被认为是认知心理学史上的重要年份。这一年几项心理学研究都体现了心理学的信息加工观点。如Chomsky的语言理论和纽厄尔（Alan Newell）和西蒙（Herbert Alexander simon）的“通用问题解决者”模型。“认知心理学”第一次在出版物出现是在1967年Ulrich Neisser的新书。而唐纳德·布罗德本特于1958年出版的《知觉与传播》一书则为认知心理学取向立下了重要基础。此后，认知心理取向的重点便在唐纳德·布罗德本特所指出的认知的讯息处理模式--一种以心智处理来思考与推理的模式。因此，思考与推理在人类大脑中的运作便像电脑软件在电脑里运作相似。认知心理学理论时常谈到输入、表征、计算或处理，以及输出等概念。 （3）给出“软件心理学”的定义。 软件心理学（software psychology）用实验心理学的技术和认知心理学的概念来进行软件生产的方法，即将心理学和计算机系统相结合而产生的新学科。 (4)为什么说“了解并遵循认知心理学的原理是进行人机交互界面设计的基础”？请简单阐述之。 人机界面设计，主要用理论来指导设计，了解认知心理学，一方面防止出错，另一方面用以提高工作效率。了解认知心理学，可以使设计者对用户，即使用计算机的人，有一个较为清晰的认识，也就是说对人的心理基础要有所了解，以提高人机界面设计的水平，
排序操作实验报告
数据结构与算法设计 实验报告 （2016 — 2017 学年第1 学期） 实验名称： 年级： 专业： 班级： 学号： 姓名： 指导教师： 成都信息工程大学通信工程学院
一、实验目的 验证各种简单的排序算法。在调试中体会排序过程。 二、实验要求 （1）从键盘读入一组无序数据，按输入顺序先创建一个线性表。 （2）用带菜单的主函数任意选择一种排序算法将该表进行递增排序，并显示出每一趟排序过程。 三、实验步骤 1、创建工程（附带截图说明） 2、根据算法编写程序（参见第六部分源代码） 3、编译 4、调试 四、实验结果图 图1-直接输入排序
图2-冒泡排序 图3-直接选择排序 五、心得体会 与哈希表的操作实验相比，本次实验遇到的问题较大。由于此次实验中设计了三种排序方法导致我在设计算法时混淆了一些概念，设计思路特别混乱。虽然在理清思路后成功解决了直接输入和直接选择两种算法，但冒泡
排序的算法仍未设计成功。虽然在老师和同学的帮助下完成了冒泡排序的算法，但还需要多练习这方面的习题，平时也应多思考这方面的问题。而且，在直接输入和直接选择的算法设计上也有较为复杂的地方，对照书本做了精简纠正。 本次实验让我发现自己在算法设计上存在一些思虑不周的地方，思考问题过于片面，逻辑思维能力太过单薄，还需要继续练习。 六、源代码 要求：粘贴个人代码，以便检查。 #include 《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.360docs.net/doc/1313164816.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.360docs.net/doc/1313164816.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； 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 人机工程学实验报告Hust工业设计专业，人机工程课程实验报告 必做实验（7个）： 一、镜画仪： 是一项目动作技能迁移的实验。因通过镜子反射，和原图形相比镜中图像是上下倒置而左右不变。 实验一 实验二 自变量：试验次数 因变量：出错次数、使用时间 实验数据分析结果：1.随着实验次数的增加，实验者不变，但是其所用时间及错误次数都在变少，熟练程度明显增加。 2.在同样的情况和同样的图案上，实验的后一次测验比前一次的测验有所进步，就为正迁移效果。 二、光亮度辨别仪 光亮度辨别仪的作用：心理学中常用的一种视觉实验仪器。它可以测定明度差别阈限，也可以制作明度量表。 自变量：光亮度真实值 因变量：实际测量值、差值 实验数据分析结果：随着光亮度的增加，实验者对于光的敏感度下降，误差变大。 应用范围：可调节亮度的台灯，它的优点在于调节亮度的装置消耗的电能极少，节约了电能，减少了不必要的损耗，灯的亮度可根据不同的天气，不同的时间，人们不同的需求，调节不同的亮度，方便人们的生活。 三、瞬时记忆实验仪 仪器同时呈现一组随机数字或字母，在部分报告法实验中，要求被试再现当时指定的一部分，然后在指定的时间内通过大脑记录下来。 自变量：瞬时刺激时间 因变量：记忆保存量 实验数据分析结果：人的大脑在瞬时记忆中，记忆的时间越长，准确率越高。 四、记忆广度测试仪 适用于心理特点测定中的数字记忆广度实验和提高记忆力的训练。并具有同时测量被试视觉、记忆、反应速度三者结合能力的功能，是一种常用的心理学测量仪器。 自变量：不同的实验者 因变量：记忆广度分数、出错位数 实验数据分析结果：因为人与人的不同，其记忆能力不同，有记忆广度大的，也有记忆广度小的。 应用范围：用在小孩子的智力玩具上，刺激小孩子对数字的认识和敏感性，提高记忆力和反映能力，同时可以很好的帮助小孩子注意力的集中。 2010级数据结构实验报告 实验名称：排序 姓名：袁彬 班级： 2009211120 班内序号： 09 学号： 09210552 日期： 2010 年12 月19 日 1．实验要求 试验目的： 通过选择试验内容中的两个题目之一，学习、实现、对比各种排序的算法，掌握各种排序算法的优缺点，以及各种算法使用的情况。 试验内容： 题目一： 使用简单数组实现下面各种排序算法，并进行比较。 排序算法如下： ①插入排序； ②希尔排序 ③冒泡排序； ④快速排序； ⑤简单选择排序； ⑥堆排序 ⑦归并排序 ⑧基数排序 ⑨其他。 具体要求如下： ①测试数据分为三类：正序，逆序，随机数据。 ②对于这三类数据，比较上述排序算法中关键字的比较次数和移动次数（其中关键字交换记为三次移动）。 ③对于这三类数据，比较上述排序算法中不同算法的执行时间，精确到微妙。 ④对②和③的结果进行分析，验证上述各种算法的时间复杂度。 ⑤编写main()函数测试各种排序算法的正确性。 题目二： 使用链表实现下面各种排序算法，并进行比较。 排序算法如下： ①插入排序； ②冒泡排序； ③快速排序； ④简单选择排序； ⑤其他。 具体要求如下： ①测试数据分为三类：正序，逆序，随机数据。 ②对于这三类数据，比较上述排序算法中关键字的比较次数和移动次数（其中关键字交换记为三次移动）。 ③对于这三类数据，比较上述排序算法中不同算法的执行时间，精确到微妙（选作） ④对②和③的结果进行分析，验证上述各种算法的时间复杂度。 ⑤编写main()函数测试各种排序算法的正确性。 2. 程序分析 2.1 存储结构 程序中每一个算法均是用一个类来表示的，类中有自己的构造函数、排序函数。 程序的储存结构采用数组。数组的第一个位置不存储数据。数据从第二个位置开始。数组中的相对位置为数组的下标。 2.2 关键算法分析 ㈠、关键算法： 1、插入排序函数：Insert s ort(int n) ①、从2开始做循环，依次和前面的数进行比较：for(int i=2;i<=n;i++) ②、如果后面的比前面的小，则进行前移：if(number[i] 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。 棒框仪实验报告 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT 人机工程学 报告书 姓名：董思洋 班级：工业设计10-3班学号： 二零一二年 棒框仪实验指导书 陈亚明编 艺术与设计学院 二0一二年二月 棒框仪实验 一、实验目的 本仪器可测量一个倾斜的框对判断一根棒的垂直性影响的程度。被试的判断受倾斜的框的影响，相当于周围环境条件变化的影响，所以此 本仪器可以通过被试的认知方式来测量人格特性。 二、实验方法 两人一组，正确使用棒框仪进行测量： 1、一个放在平台上的观察筒被试观察面为圆白背景面板上有一个黑色正方形框和黑色棒。棒的倾斜度可由被试通过旋钮调节。 2、主试面有一个半圆形的刻度，圆弧内指针指示框的倾斜度，中央指针指示棒的倾斜度。主试调节面板上旋钮改变框与棒的倾斜度。 3、在平台上有一个水平仪，可通过旋转平台下面的螺丝将平台调整到水平的位置。此棒框仪的优点在于没有电源的条件下可以使用。 三、测量器具 人体形体测量尺350×165×215mm的棒框仪 四、实验内容 （1）将平台调到水平位置。 （2）根据实验的要求，主试将框和棒调到在一定的倾斜度。 （3）要求被试通过观察筒进行观察，并根据自己感觉将棒调整得与地面垂直。（4）从刻度上读出的棒的倾斜度，即记录下误差的度数和方向。 （5）主试调节不同的方框的倾斜度，即不同的场条件下，重复实验。由被试调整出的棒倾斜度总结出框对棒的影响，从而研究被试的场依存性。 五、实验要求 1.每位同学都要参与测量、被测量过程； 2.记录数据以度为单位 3.测量数据要准确，测量精确； 【一】需求分析 课程题目是排序算法的实现，课程设计一共要设计八种排序算法。这八种算法共包括：堆排序，归并排序，希尔排序，冒泡排序，快速排序，基数排序，折半插入排序，直接插入排序。 为了运行时的方便，将八种排序方法进行编号，其中1为堆排序，2为归并排序，3为希尔排序，4为冒泡排序，5为快速排序，6为基数排序，7为折半插入排序8为直接插入排序。 【二】概要设计 1.堆排序 ⑴算法思想：堆排序只需要一个记录大小的辅助空间，每个待排序的记录仅占有一个存储空间。将序列所存储的元素A[N]看做是一棵完全二叉树的存储结构，则堆实质上是满足如下性质的完全二叉树：树中任一非叶结点的元素均不大于(或不小于)其左右孩子(若存在)结点的元素。算法的平均时间复杂度为O(N log N)。 ⑵程序实现及核心代码的注释： for(j=2*i+1; j<=m; j=j*2+1) { if(j temp=su[i]; su[i]=su[0]; su[0]=temp; head(0,i-1); } cout<<"排序之后的数组为："< 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 安全人机工程学 实 验 报 告 书 姓名：程洁 班级：安工1101 学号：201107420105 时间： 2013 年 12 月 31日 目录 实验一手指灵活性测试实验 (1) 实验二动作稳定性实验 (3) 实验三双手协调能力测试 (8) 实验四暗适应实验 (10) 实验五速度知觉测试实验 (13) 实验六明度实验 (17) 实验七反应时运动时测定实验 (18) 实验八深度知觉测定实验 (21) 实验九亮点闪烁仪实验 (25) 实验一手指灵活性测试实验 一、实验目的 手指灵活性测试是测定手指尖、手、手腕、手臂的灵活性，也可测定手和眼的协调能力。 本实验的要求为： 1. 学习和熟悉手指灵活性测试仪的用法； 2. 了解人的手指灵活性及其个体差异性。 二、实验仪器 EP707A 手指灵活性测试仪 （一）主要技术指标 1. 手指灵活性测试100孔（直径1.6mm），各孔中心距20mm； 2. 指尖灵活性测试M6、M5、M4、M3螺钉各25个 3. 计时范围0～9999.99秒 4. 电源电压AC220V/50HZ （二）仪器 1. 结构图 图1 手指灵活性测试仪 2. 记时器：1ms～9999 S，4位数字显示，内藏式整体结构 3. 金属插棒：直径1.5mm，长度20mm，110个 4. 实验用镊子：1把 三、实验步骤 1. 手指灵活性测试（插孔插板） 接上电源，打开电源开关，此时计时器显示为0000.00，然后插上手指灵活性插板，按复位键被试即可进行测试，当被试用镊子钳住?1.5mm插针插入起点时，计时器开始计时，然后依次用镊子（从左到右，从上到下）钳住?1.5mm插针插满100个孔至终点时计时器停止计时，此时计时器显示时间为被试做完这一实验所用总时间。 当测试第二次实验时只要按下复位键计时器全部复位，即可反复测试。 2. 手指尖灵活性测试（螺栓插板） 接上电源打开电源开关，此时计时器显示为0000.00，然后插上指尖灵活性插板（装有M6、M5、M4、M3螺栓各25个），按复位键被试即可进行测试，当被试放入起始点第一个M6垫圈起，计时器开始计时，然后拧上螺母，依次操作至终点最后一个M3垫圈时，计时器停止计时时，然后拧上螺母，此时计时器显示时间为被试做完这一实验所用总时间。 当测试第二次实验时只要按下复位键计时器全部复位，即可反复测试。 四、实验数据及报告 1. 数据记录 2. 数据分析 比较从左到右和从右到左这两种情况手指或手指尖的灵活性。 从自身实验数据来看，从右到左的手指灵活性要比从左到右的灵活性高。 一、实验目的 1、了解内排序都是在内存中进行的。 2、为了提高数据的查找速度，需要对数据进行排序。 3、掌握内排序的方法。 二、实验内容 1、设计一个程序e xp10—1.cpp实现直接插入排序算法，并输出{9,8,7,6,5,4,3,2,1,0}的排序 过程。 （1）源程序如下所示： //文件名:exp10-1.cpp #include 数据分析与挖掘实验报告 《数据挖掘》实验报告 目录 1.关联规则的基本概念和方法 (1) 1.1数据挖掘 (1) 1.1.1数据挖掘的概念 (1) 1.1.2数据挖掘的方法与技术 (2) 1.2关联规则 (5) 1.2.1关联规则的概念 (5) 1.2.2关联规则的实现——Apriori算法 (7) 2.用Matlab实现关联规则 (12) 2.1Matlab概述 (12) 2.2基于Matlab的Apriori算法 (13) 3.用java实现关联规则 (19) 3.1java界面描述 (19) 3.2java关键代码描述 (23) 4、实验总结 (29) 4.1实验的不足和改进 (29) 4.2实验心得 (30) 1.关联规则的基本概念和方法 1.1数据挖掘 1.1.1数据挖掘的概念 计算机技术和通信技术的迅猛发展将人类社会带入到了信息时代。在最近十几年里，数据库中存储的数据急剧增大。数据挖掘就是信息技术自然进化的结果。数据挖掘可以从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的，人们事先不知道的但又是潜在有用的信息和知识的过程。 许多人将数据挖掘视为另一个流行词汇数据中的知识发现（KDD）的同义词，而另一些人只是把数据挖掘视为知识发现过程的一个基本步骤。知识发现过程如下： ·数据清理（消除噪声和删除不一致的数据）·数据集成（多种数据源可以组合在一起）·数据转换（从数据库中提取和分析任务相关的数据） ·数据变换（从汇总或聚集操作，把数据变换和统一成适合挖掘的形式） ·数据挖掘（基本步骤，使用智能方法提取数 据模式） ·模式评估（根据某种兴趣度度量，识别代表知识的真正有趣的模式） ·知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）。 1.1.2数据挖掘的方法与技术 数据挖掘吸纳了诸如数据库和数据仓库技术、统计学、机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像和信号处理以及空间数据分析技术的集成等许多应用领域的大量技术。数据挖掘主要包括以下方法。神经网络方法：神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注。典型的神经网络模型主要分3大类：以感知机、bp反向传播模型、函数型网络为代表的，用于分类、预测和模式识别的前馈式神经网络模型；以hopfield 的离散模型和连续模型为代表的，分别用于联想记忆和优化计算的反馈式神经网络模型；以art 模型、koholon模型为代表的，用于聚类的自组 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： 辽宁工程技术大学 实践报告 课程名称：工业设计应用人机工程学实践项目：人机工程学社会实践报告专业班级：工业设计12-2班 姓名： 学号： 中国的制造业无不是严阵以待，企图在竞争中保持优势。管理大师麦克·波特(MICHAEL PORTER)曾说过，企业具备竞争优势的两个方式，一是扩大生产规模，走向规模经济，才能占有成本上的优势；另一个便是创造企业或产品的附加值，制造消费者趋之若鹜的心理。在现今产品和质量逐步提高，且消费者对商品品质要求越来越高的情况下，各产品制造商们无不力求突破，希望能出奇制胜，打动消费者的心。拿当今世界上提出的“健康”人机工程学的新要求为例，即是用某些考虑人机因素的辅助性产品，如：电动腰靠、紫外线阻隔(UV、CUT)等来提高产品人性化的层次，籍此创造其他品牌无法模仿的优势，而赢得消费者青睐的。 究竟什么样的产品需要人机工程呢？在设计上又如何表现，才能成为符合人机工程学的产品呢? 工业设计师指出，就电脑的相关部件和设备而言，如键盘、鼠标等输入装置，因使用者可能长时间利用其从事工作或娱乐，接触的时间较长，在使用时也可能十分投入。因此，人机工程学就成了设计上最主要的条件之一。 二、实践目的 通过本次课外实践，了解市场上现有产品的人机工程学的应用情况，并了解到人机工程学的应用目的，即根据人的生理，行为，认知，心理以及等情感各方面的特性，运用系统工程的观点和方法分析研究人与产品，人与环境之间的相互作用，合理的设计和安排人们生产与生活中的信息显示，操作控制，作业器具，作业空间，作业方式，作业环境，以保障人的安全与健康，提高人的工作效率与质量，实现人的舒适与愉悦，使人，机环境的配合达到最佳状态。 实验报告3 实验名称：数据结构与软件设计实习 题目：内部排序算法比较 专业：生物信息学班级：01 姓名：学号：实验日期：2010.07.24 一、实验目的： 比较冒泡排序、直接插入排序、简单选择排序、快速排序、希尔排序； 二、实验要求： 待排序长度不小于100，数据可有随机函数产生，用五组不同输入数据做比较，比较的指标为关键字参加比较的次数和关键字移动的次数； 对结果做简单的分析，包括各组数据得出结果的解释； 设计程序用顺序存储。 三、实验内容 对各种内部排序算法的时间复杂度有一个比较直观的感受，包括关键字比较次数和关键字移动次数。 将排序算法进行合编在一起，可考虑用顺序执行各种排序算法来执行，最后输出所有结果。 四、实验编程结果或过程： 1. 数据定义 typedef struct { KeyType key; }RedType; typedef struct { RedType r[MAXSIZE+1]; int length; }SqList; 2. 函数如下，代码详见文件“排序比较.cpp”int Create_Sq(SqList &L) void Bubble_sort(SqList &L)//冒泡排序void InsertSort(SqList &L)//插入排序 void SelectSort(SqList &L) //简单选择排序int Partition(SqList &L,int low,int high) void QSort(SqList &L,int low,int high)//递归形式的快速排序算法 void QuickSort(SqList &L) void ShellInsert(SqList &L,int dk)//希尔排序 void ShellSort(SqList &L,int dlta[ ]) 3. 运行测试结果，运行结果无误，如下图语速个数为20 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，我们创建了四个数据挖掘实验报告
数据挖掘实验报告(一)
人机工程学实验报告资料
排序问题实验报告
数据挖掘实验报告资料
棒框仪实验报告
各种排序实验报告
数据挖掘实验报告-关联规则挖掘
《安全人机工程学》实验报告书 程洁 2
数据结构内排序实验报告
数据分析与挖掘实验报告
大数据挖掘weka大数据分类实验报告材料
人机工程学实践报告
内部排序比较 (实验报告+源程序)C++
数据挖掘实验报告 超市商品销售分析及数据挖掘