分布式实验报告资料
实验一循环灯监控
一、实验目的
1、掌握s7300与wincc如何通信
2、掌握wincc变量定义及与控制变量如何绑定
3、了解分布式控制系统中操作站的主要功能。
4、熟悉WINCC软件图形开发界面。
二、实验要求
实现控制系统组态过程，具体要求如下：
1、S7300PLC仿真器与计算机相连的组态过程。
2、图形界面设计实现。
3、数据报表界面实现
三、实验原理
与常规的仪表控制方式不同的是集散控制系统通过人机操作界面不仅可以实现一般的操作功能，而且还增加了其他功能，例如控制组态、画面组态等工程实现的功能和自诊断、报警等维护修理等功能。此外，画面方便的切换、参数改变的简单等性能也使集散控制系统的操作得到改善。
操作站的基本功能：显示、操作、报警、系统组态、系统维护、报告生成。操作站的基本设备有操作台、微处理机系统、外部存储设备、操作键盘及鼠标、图形显示器、打印输出设备和通信接口等。
（1）西门子S7系列PLC编程软件
本装置中PLC控制方案采用了德国西门子公司S7-300PLC，采用的是Step 7编程软件。利用该软件可以对相应的PLC进行编程、调试、下装、诊断。（2）西门子WinCC监控组态软件
S7-300PLC控制方案采用WinCC软件作为上位机监控组态软件，WinCC 是结合西门子在过程自动化领域中的先进技术和Microsoft的强大功能的
产物。作为一个国际先进的人机界面(HMI)软件和SCADA系统，WinCC
提供了适用于工业的图形显示、消息、归档以及报表的功能模板；并具
有高性能的过程耦合、快速的画面更新、以及可靠的数据；WinCC还为
用户解决方案提供了开放的界面，使得将WinCC集成入复杂、广泛的自动化项目成为可能。
四、实验步骤
1、对PLC进行硬件组态：在新建项目下选择“SIMATIC 300 Station”---“hardware”,打开硬件组态窗口。
2、点击项目名称，在右方的空白处添加PROFIBUS和MPI对CPU和PROFIBUS 和MPI进行总线的连接。
4、程序仿真
1）、仿真创建
图4-3
2）仿真现象
5、画面编辑
1）、界面设计
正转按钮可以将其中的画面窗口中通过跳转显示正转的时候的循环灯运行情况，反转按钮可以将其中的画面窗口中通过跳转显示反转的时候的循环灯运行情况，退出按钮添加C动作，点击即可退出程序。
2）、变量管理
---“SIMATIC S7 Protocol Suite”，如图4-7所示：
图4-7
在MPI中创建“新的驱动程序的连接”，命名为“step7”，在下面创建变量，如图4-8所示：
其中A0.0~A0.5控制正转的6个灯，M0.0，M0.1，M2.0分别为启动、停止、反转按钮，控制灯的运动。
3）、连接诊断
选择“开始”---“SIMATIC”---“wincc”---“TOOLS”---“Channel Diagnosis”若其中均为绿色勾，则为通信成功，否则视为不成功，需重新设置地址。如图4-11所示：
图4-11
4）、变量连接
对于灯的连接，如图4-12所示：
4-12
对于按钮的连接，如图4-13所示：
图4-13
5）、激活现象
激活之后，点击绿色按钮（左边），程序进入正转环节，点击红色按钮（右边）则停止。点击反转按钮，跳转到反转界面，点击反转中的绿色按钮开始反转，点击红色按钮即停止。点击退出按钮则关闭界面与程序。正转图如图4-14所示：
图4-14
六、实验思考
1、实验中主画面设计和变量有何关系？
2、报警画面如何设计？
3、报表数据与现场参数连接如何建立？
实验二模拟量控制实验
一、实验目的
1、掌握控制如何采集、仿真
2、掌握线性化编程与结构化编程
3、了解数据块在结构化编程中如何体现。
4、熟悉WINCC软件图形开发界面。
二、实验要求
实现控制系统组态过程，具体要求如下：
1、控制的组态过程。
2、数据块设计实现。
3、界面设计实现
分布式计算环境实验报告
分布式计算环境实验报告 实验名称：在虚拟机下安装Linux系统和 Hadoop 专业班级：网络1101 学生学号：3110610007 学生姓名：平淑容
目录 实验目的..............................................................................P 实验仪器...............................................................................P 实验内容和步骤...................................................................P 安装过程的问题以及解决方法............................................P 代码运行以及实验结果.......................................................P 运行过程中的问题................................................................P 实验总结................................................................................P
一、实验目的 在虚拟机上安装CentOS系统并在Linux系统上安装Hadoop单机模式并且执行一个Java程序。 二、实验仪器 硬件：虚拟机CentOS 软件：Windows 7操作系统 三、实验内容及步骤 实验内容 一、安装虚拟机 二、安装Linux操作系统 三、设置静态ip 四、修改主机名 四、绑定ip和主机 五、关闭防护墙 六、关闭防火墙的自动运行 七、设置ssh 八、安装JDK 九、安装Hadoop 十、在单机上运行Hadoop 十一、Hadoop执行Java程序 实验步骤： 一、安装虚拟机 此处安装的虚拟机是VMware Workstation版本，直接从压缩包里面解压安装即可，此处不做过多介绍。 二、安装Linux系统 此处安装的Linux系统使用的是CentOS版本，直接从压缩包里面解压，然后使用VMware Workstation打开，打开之后选择开机输入用户名和密码进入linux系统。 三、Hadoop的伪分布安装步骤 1.设置静态IP ①在centOS桌面的右上角选择图标，右击修改ip值，选择静 态ip，输入需要增加的ip值、默认网关。
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/888703614.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/888703614.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； 分布式系统导论 实验报告 实验（3）名称面向连接的流模式Socket 实验（4）名称三层C/S结构 实验人学号 1007XXX姓名 XXX 实验日期 2013年5月20日 报告完成日期 2013年5月21日 成绩指导教师签字 年月日 目录： 一、实验3面向连接的流模式Socket (2) 二、实验4三层C/S结构 (4) 2.1 任务一：通过无连接数据报socket实现C/S应用 (4) 2.2任务二：通过面向连接的流模式socket实现C/S应用 (6) 三、实验心得 (8) 一、实验3面向连接的流模式Socket 1、实验目标：尝试通过面向流模式的socket实现通信。 2、实验原理： 2.1、socket通常也称作"套接字"，用于描述IP地址和端口，是一个 通信链的句柄。应用程序通常通过"套接字"向网络发出请求或者应答网络请求。Socket和ServerSocket类库位于https://www.360docs.net/doc/888703614.html,包中。 ServerSocket用于服务器端，Socket是建立网络连接时使用的。 在连接成功时，应用程序两端都会产生一个Socket实例，操作这个实例，完成所需的会话。 2.2、面向连接的操作使用TCP协议.一个这个模式下的socket必须 在发送数据之前与目的地的socket取得一个连接.一旦连接建立了,sockets就可以使用一个流接口:打开-读-写-关闭.所有的发送的信息都会在另一端以同样的顺序被接收.面向连接的操作比无连接的操作效率更低,但是数据的安全性更高. 3、实验内容： 创建一个服务端的程序，以接受一个连接并用流模式socket接受一个消息。创建一个名为客户端程序。此程序可以请求一个连接，并使用流模式socket。 实验所用到的基本函数解释： 1)serverSocket(int port)指定的IP和端口创建一ServerSocket 对象 2)socket accept()服务端和客户端握手 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 Hadoop云计算平台实验报告V1.1 目录 1实验目标 (3) 2实验原理 (4) 2.1H ADOOP工作原理 (4) 2.2实验设计 (6) 2.2.1可扩展性 (6) 2.2.2稳定性 (7) 2.2.3可靠性 (7) 3实验过程 (9) 3.1实验环境 (9) 3.1.1安装Linux操作系统 (10) 3.1.2安装Java开发环境 (14) 3.1.3安装SSH (15) 3.1.4配置网络 (15) 3.1.5创建SSH密钥安全联机 (19) 3.1.6配置Hadoop云计算系统 (19) 3.1.7配置Slaves节点 (23) 3.1.8格式化Hadoop系统 (23) 3.1.9启动Hadoop集群 (23) 3.22．实验过程 (25) 3.2.1可扩展性 (25) 3.2.1.1动态扩展 (25) 3.2.1.2动态缩减 (27) 3.2.2稳定性 (28) 3.2.3可靠性 (31) 3.2.4MapReduce词频统计测试 (32) 4实验总结 (35) 1. 掌握Hadoop安装过程 2. 理解Hadoop工作原理 3. 测试Hadoop系统的可扩展性 4. 测试Hadoop系统的稳定性 5. 测试Hadoop系统的可靠性 2.1Hadoop工作原理 Hadoop是Apache开源组织的一个分布式计算框架，可以在大量廉价的硬件设备组成集群上运行应用程序，为应用程序提供一组稳定可靠的接口，旨在构建一个具有高可靠性和良好扩展性的分布式系统。Hadoop框架中最核心的设计就是：MapReduce和HDFS。MapReduce 的思想是由Google的一篇论文所提及而被广为流传的，简单的一句话解释MapReduce就是“任务的分解与结果的汇总”。HDFS是Hadoop分布式文件系统（Hadoop Distributed File System）的缩写，为分布式计算、存储提供了底层支持。 HDFS采用C/S架构，对外部客户机而言，HDFS就像一个传统的分级文件系统。可以对文件执行创建、删除、重命名或者移动等操作。HDFS中有三种角色：客户端、NameNode和DataNode。HDFS的结构示意图见图1。 NameNode是一个中心服务器，存放着文件的元数据信息，它负责管理文件系统的名字空间以及客户端对文件的访问。DataNode节点负责管理它所在节点上的存储。NameNode对外暴露了文件系统的名字空间，用户能够以文件的形式在上面存储数据。从内部看，文件被分成一个或多个数据块，这些块存储在一组DataNode上，HDFS通过块的划分降低了文件存储的粒度，通过多副本技术和数据校验技术提高了数据的高可靠性。NameNode执行文件系统的名字空间操作，比如打开、关闭、重命名文件或目录。它也负责确定数据块到具体DataNode节点的映射。DataNode负责存放数据块和处理文件系统客户端的读写请求。在NameNode的统一调度下进行数据块的创建、删除和复制。 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。 计算机科学与技术学院 实验报告 （学年度第学期） 课程名称分布式 实验名称分布式实验 姓名学号 专业计算机班级 地点教师 实验一：.NET Remoting 一：实验目的和要求： 目的：所谓.NET Remoting就是跨应用程序域边界调用程序集。Remoting服务端承载远程对象，使外界能与之通信，对外的信道可以是HTTP、TCP或者IPC。而我在此次试验中选择的是TCP。最基本的.NET Remoting应用程序应该由三部分构成： ?服务端。承载远程对象。 ?远程对象。需要跨应用程序域边界调用的程序集。 ?客户端。用于调用远程对象。 此次实验就是要在掌握的理论基础之上实现远程调用。 要求:1．进行实验预习工作； 2．准备实验必须的完整程序流程及源代码； 3．上机编程，调试程序，得到实验结果； 4．写出实验报告 二：实验环境： Visual Studio 2010 三：实验步骤： 首先下载安装Visual Studio 2010，此过程比较简单，在这就不介绍了。 远程对象是根本，服务端只是一个载体，那么我们就先要创建一个简单的远程对象：1．打开Visual Studio 2010，在在主界面中选择文件，选择“新建”→“项目”命令，新建一个Remoting类库项目。 2．把默认的Class1.cs重命名为RemoteObject.cs，打开cs文件，修改代码为： using System; using System.Collections.Generic; using System.Linq; using System.Text; namespace Remoting { publicclass MyObject:MarshalByRefObject { //减法 publicint Sub(int a, int b) { return a - b; } //获得服务器时间 publicstring GetDate() { 【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 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： 目录 一、需求分析 (1) 1. 1课程设计题目 (1) 1. 2课程设计任务和要求 (1) 要求： (1) 任务： (1) 1. 3课程设计环境 (1) 1. 4实验资源配置 (1) 二、概要设计 (2) 2. 1设计内容 (2) 三、测试与操作 (2) 3.1.1 创建DFS根 (2) 3.1.2 为DFS根添加链接 (3) 3.1.3 使用DFS副本实现容错和负载均衡 (4) 3.1.4 检测实验结果 (7) 五、课程设计总结与体会 (8) 六、致谢 (8) 一、需求分析 1. 1课程设计题目 本课程设计题目为：卷影副本和分布式文件系统 1. 2课程设计任务和要求 要求： 通过DFS将整个局域网同一网段的所有的共享文件夹集成到一个树状结构中 供用户访问。 任务： 1.创建DFS根； 2.为DFS根添加链接； 3.使用DFS副本实现容错和负载均衡； 1. 3课程设计环境 Windows Server 2003 1. 4实验资源配置 1．4台虚拟机，Server1，Server2，server3和client1，server1作为域控制器，其他计算机作为域中的成员计算机； 2．将Server2,Server3,client1分别加入到域； 二、概要设计 2. 1设计内容 分布式文件系统（Distributed File System，DFS）是指文件系统管理的物理存储资源不一定直接连接在本地节点上，而是通过计算机网络与节点相连。也就是说网络资源可能分散在网络中的任何一台计算机上，用户为了能够访问到这些共享文件夹必须知道这些共享文件夹的网络路径（UNC路径）才能够访问这些共享文件夹，并且当要访问多个相关的共享文件夹时必须在“网上邻居”或“网络驱动器”之间切换。 为了避免上面这种情况，Windows Server 2003引入了DFS，DFS使得用户无需知道文件夹具体在哪台计算机上，而只需要知道DFS文件服务器的UNC路径或IP地址就可以了。因为通过DFS可以将整个局域网同一网段的所有的共享文件夹集成到一个树状结构中供用户访问，这样当用户需要访问分散在网络中的多个共享资源的时候并不需要自己去各个服务器上寻找共享文件夹，而是只需要访问DFS服务器上的共享文件夹就可以了。当用户打开这个DFS服务器上的共享文件夹访问共享资源的时候，其访问被DFS自动地重新定向到网络中共享文件夹所在的服务器上，而用户并本身不知道（也无需知道）究竟这些文件夹放置的具体位置。 除此之外DFS还可以提供容错（Fault Tolerance）和负载均衡（Load Balancing）的功能。如果共享文件夹在网络中有多个相同的副本即多个内容相同的共享文件夹放置在不同的服务器上，当其中一个副本因意外而停止共享时，用户访问该文件夹的时候DFS可以自动将其他副本提供给用户使用，从而达到容错的功能。另外DFS也会在多个副本之间自动选择一个以响应的用户的请求，降低服务器的工作强度。而这一切均不用用户参与操作，完全由DFS自动完成。共享文件的权限与DFS拓扑无关，用户能否访问DFS上的文件夹，由DFS 上共享的文件夹的实际所在的计算机上的NTFS权限和共享权限决定。 测试与操作说明 三、测试与操作 3.1.1 创建DFS根 创建基于域的DFS根的过程。事先，在服务器上创建文件名为ljj_DFS的共享文件夹，此文件夹将作为DFS访问的起点，另外，在其他两台计算机上分别创建名为“movie”和“music”的共享文件夹 ⑴在要创建DFS的计算机上（本实验中服务器A创建DFS），单击“开始”→“程序”→“管理工具”→“分布式文件系统”，打开分布式文件系统管理控制台，如图所示，在左半部分树窗口中的“分布式文件系统”上单击鼠标右键，在如图4-38所示的菜单中选择“新建根目录”。 ⑵在弹出的“欢迎使用根目录向导”对话框中单击“下一步”按钮，在分布式文件系统管理控制台中，将出现新建DFS根目录向导。 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数据挖掘实验报告
分布式系统导论实验报告
数据挖掘实验报告(一)
Hadoop云计算平台实验报告V1.1
排序问题实验报告
数据挖掘实验报告资料
分布式实验报告
各种排序实验报告
数据挖掘实验报告-关联规则挖掘
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
分布式系统实验报告
内部排序比较 (实验报告+源程序)C++