第一篇：对数据进行聚类分析实验报告
对数据进行聚类分析实验报告 徐远东
任争刚
权荣 一、基本要求 用 FAMALE.TXT、MALE.TXT 和/或 test2.txt 的数据作为本次实验使用的样本集，利用 C 均值和分级聚类方法对样本集进行聚类分析，对结果进行分析，从而加深对所学内容的理解和感性认识。
二、
实验要求
1、把 FAMALE.TXT 和 MALE.TXT 两个文件合并成一个，同时采用身高和体重数据作为特征，设类别数为 2，利用 C 均值聚类方法对数据进行聚类，并将聚类结果表示在二维平面上。尝试不同初始值对此数据集是否会造成不同的结果。
2、对 1 中的数据利用 C 均值聚类方法分别进行两类、三类、四类、五类聚类，画出聚类指标与类别数之间的关系曲线，探讨是否可以确定出合理的类别数目。
3、对 1 中的数据利用分级聚类方法进行聚类，分析聚类结果，体会分级聚类方法。
4、利用 test2.txt 数据或者把 test2.txt 的数据与上述 1 中的数据合并在一起，重复上述实验，考察结果是否有变化，对观察到的现象进行分析，写出体会 三、实验步骤及流程图
根据以上实验要求，本次试验我们将分为两组：一、首先对 FEMALE 与 MALE 中数据组成的样本按照上面要求用 C 均值法进行聚类分析，然后对 FEMALE、MALE、test2 中数据组成的样本集用 C 均值法进行聚类分析，比较二者结果。二、将上述两个样本用分即聚类方法进行聚类，观察聚类结果。并将两种聚类结果进行比较。
一、（1）、C 均值算法思想
C均值算法首先取定C个类别和选取C个初始聚类中心，按最小距离原则将各模式分配到C类中的某一类，之后不断地计算类心和调整各模式的类别，最终使各模式到其判属类别中心的距离平方之和最小（2）、实验步骤 第一步：确定类别数 C，并选择 C 个初始聚类中心。本次试验，我们分别将 C 的值取为 2 和 3。用的是凭经验选择代表点的方法。比如：在样本数为 N 时，分为两类时，取第一个点和第 1 2 / N INT 个点作为代表点；分为三类时，取第一、 1 3 / N INT、 1 3 / 2 N INT 个点作为代表点； 第二步：将待聚类的样本集中的样本逐个按最小距离规则分划给 C 个类中的某一类。
第三步：计算重新聚类后的个各类心，即各类的均值向量。
第四步：如果重新得到的类别的类心与上一次迭代的类心相等，则结束迭代，否则转至第二步。
第五步：迭代结束时，换不同的初始值进行试验，将实验结果进行比较（3）、实验流程图
（4）、本次试验我们用的聚类指标是误差平方和聚类准则 J e 设iN 是第 i 聚类iC 的样本数目，iz是这些样本的均值，则把iC 中得各样本 y 与均值iz 间的误差平方和对所有类相加后为：
ci C yi eim y J12 当 C 取不同的值时各自算出它们的eJ，进行比较。
二、利用分级聚类方法进行聚类 1、分级聚类法思想：首先把全部样本作为一类看做一类，然后根据一定的目标
函数进行分解。
2、步骤 第一步：开始时，将全部样本当做一类，第二类即为空集。
第二步：将第一类中的第一个样本放入第二类，计算两类样本均值 1 X , 2 X，并确定两类别中样本数目 N1，N2 以及目标函数)2 1()“ 2 1(2 1X X X XNN NE
第三步：将第一类中剩下的所有样本依次放入第二类中，按照上面运算得出 E值，并比较 E 值大小，选择是 E 值最大的样本，将其归入第二类。并记录此时的E 为 E（2）
第三步：将新的两类按照上面的方法继续划分，直到第 i 次迭代的 E（i） 3、实验流程图 四、实验结果 I I、1、用 FAMALE.TXT 和 MALE.TXT 中的数据组合起来作为样本集： C=2 时（1）、取第一个和第五十一个样本作为初始聚类中心，得出的实验结果图如下： 得到结果是：星号表示的类别中样本总数为61，点表示的类别中样本总数为39。 两个聚类中心分别为:z1 =（163.5738，53.1541），z2 =（175.8974，68.2692） （2）、取第二十五个和七十五个样本作为初始聚类中心时得到的实验结果如下： 最终得到的两个聚类中心分别为: z1 =（163.5738，53.1541），z2 =（175.8974，68.2692） 结果可发现取不同的初始聚类中心时两次实验结果相同。 它们的eJ= 5.9707e+003 但是，经过后面的实验我们发现，随着 C 变大，选取不同的初值对聚类结果有较大影响，当 C=2 时影响很小，几乎可以不计。因为当分为两类时,样本的类别特征很明显，所以此时选取不同的初值对聚类结果没有影响，而随着 C 的 增加，初值选择对聚类结果影响将会逐渐变大。 下面是将男女样本所代表的点分别画到图上可得下图： 其中点表示的是女生样本，圆圈表示的是男生样本。其中，男生的样本均值为（173.9200，65.5020）女生的样本均值为（162.8400，52.5960） 通过比较两幅图，可以发现，当去 C=2 时，对数据进行聚类分析得到的聚类结果基本类似于男女生分类，他们的样本均值相差不大，不过还是有一定差别。差别出现在一些身高低于 1.70 米的男生处。 C=3 时得到的聚类结果图如下： 最终的三个聚类中心：z1 =（168.8158，57.0105） z2 =（159.2333，49.9333）z3 =（176.4375，70.0156） eJ= 3.9251e+003 从图中可以看出，当划分为三类时，其结果可以看做按照身高与体重的比将样本进行聚类，身高体重比大，较大，小的分别为一类。 C=4 时：得到的分来结果如下： 得到的四个聚类中心为： z1 =（164.7727，53.3545），z2 =（157.4286，49.2381） z3 =（176.4375，70.0156），z4 =（170.4400，58.2640） eJ=3.4318e+003 C=5 时得到的聚类结果如下： 最终的五个聚类中心分别为： z1 =（170.3462，58.1423），z2 =（158.1579，47.3684），z3 =（163.3913，54.4652）z4 =（176.0741，67.7593） z5 =（178.4000，82.2000） eJ= 2.6352e+003 C=6 时得到的聚类结果如下： 最终的 6 个聚类中心分别为： z1 =（166.9259，54.5889），z2 =（183.3333，66.6667） z3 =（158.3462，49.8462）z4 =（178.0000，80.6667） z5 =（171.4737，60.8158）z6 =（175.6842，68.1842） eJ= 2.5607e+003 1、画出 C 值与eJ之间的关系曲线如下： 由图可以看出，在 C=5 之后，eJ的减小变得缓慢，所以讲此样本集聚为五类最合理 2、把 test2.txt 的数据与上述 1 中的数据合并在一起，重复上述实验，实验结果如下：（1）、取第二十五个和第二百零一个个样本作为初始聚类中心，得出的实验结果图 其中，z1 =（165.0479，53.6491），z2 =（176.4506，69.9378） eJ= 3.2952e+004 分为一类时的为 7.1410e+004 取第一百个和第三百个样本作为初始聚类中心时得出结果与前面相同。 （2）、C=3 z1 =（174.5561，64.5024）z2 =（163.3438，51.8742） z3 =（178.8657，80.4776） eJ =2.0594e+004（3）、C=4 时： eJ=1.6346e+004 z1 =（175.4783，65.7908），z2 =（159.8548，48.3145） z3 =（179.3684，81.7368），z4 =（167.5567，56.6485） （4）C=5 时： eJ=1.3575e+004 z1 =（170.0510，57.5020），z2 =（175.3836，65.9452） z3 =（160.5732，50.0512），z4 =（179.6667，91.3889） z5 =（178.6429,75.7589)（5）、C=6 时 其中，eJ= 1.3018e+004 z1 =（170.6296，55.1241）z2 =（177.2955，68.0057） z3 =（160.8427，50.6596）z4 =（172.6381，62.9143） z5 =（181.5952，89.1905），z6 =（176.8488，76.8837） 画出 C 值与eJ之间的关系曲线如下 与图可知，在 C=5 之后，eJ的变化缓慢，所以认为此时仍是将样本集分为五类最合适（4）、将两种样本即进行聚类后的样本中心进行比较，如下表： 样本 C 以 FEMALE 和 MALE 中得数据作为样本 以FEMALE和MALE以及test2中的数据作为样本 2 z1 =（163.5738，53.1541） z2 =（175.8974，68.2692） z1 =（165.0479，53.6491），z2 =（176.4506，69.9378）z1 =（168.8158，57.0105） z2 =（159.2333，49.9333） z3 =（176.4375，70.0156） z1 =（174.5561，64.5024） z2 =（163.3438，51.8742） z3 =（178.8657，80.4776）z1 =（164.7727，53.3545） z2 =（157.4286，49.2381） z3 =（176.4375，70.0156） z4 =（170.4400，58.2640） z1 =（175.4783，65.7908），z2 =（159.8548，48.3145） z3 =（179.3684，81.7368），z4 =（167.5567，56.6485）z1 =（170.3462，58.1423） z2 =（158.1579，47.3684） z3 =（163.3913，54.4652） z4 =（176.0741，67.7593） z5 =（178.4000，82.2000） z1 =（170.0510，57.5020），z2 =（175.3836，65.9452） z3 =（160.5732，50.0512），z4 =（179.6667，91.3889） z5 =（178.6429,75.7589)6 z1 =（166.9259，54.5889），z2 =（183.3333，66.6667） z3 =（158.3462，49.8462） z4 =（178.0000，80.6667） z5 =（171.4737，60.8158） z6 =（175.6842，68.1842） z1 =（170.6296，55.1241） z2 =（177.2955，68.0057） z3 =（160.8427，50.6596） z4 =（172.6381，62.9143） z5 =（181.5952，89.1905），z6 =（176.8488，76.8837） 从上表可以纵向比较可以看出，C 越大，即聚类数目越多，聚类之间差别越小，他们的聚类中心也越接近。横向比较用 FEMALE,MALE 中数据作为样本和用FEMALE,MALE，test2 中数据作为样本时，由于引入了新的样本，可以发现后者的聚类中心比前者都稍大。但是它们的分布类似，变化不大。 II、将两个样本分别用分级聚类方法进行聚类，得出结果，并与 C 均值聚类法进行比较： 1、对 FEMALE 与 MALE 中数据组成的样本集进行聚类： 由图可见，分即聚类法将样本分为两类，它们的聚类中心分别为 x1 =（163.4667，53.0400）x2 =（175.7500，68.0625） 将它与 C=2 时的 C 均值聚类结果进行比较，分别比较它们的结果图以及聚类中心，下面是它们的聚类中心比较： 聚类方法 C 均值聚类 分即聚类 聚类中心 z1 =（163.5738，53.1541） z2 =（175.8974，68.2692） x1 =（163.4667，53.0400） x2 =（175.7500，68.0625） 比较发现它们的聚类结果很相似。 2、对由 MALE、MALE、test2 中数据组成的样本集进行分级类： 由图可见，分即聚类法将样本分为两类，它们的聚类中心分别为 x1 =（164.9819，53.6229），x2 =（176.4487，69.8868） 将它与 C=2 时的 C 均值聚类结果进行比较，分别比较它们的结果图以及聚类中心，下面是它们的聚类中心比较： 聚类方法 C 均值聚类 分即聚类 聚类中心 z1 =（165.0479，53.6491），z2 =（176.4506，69.9378） x1 =（164.9819，53.6229），x2 =（176.4487，69.8868） 比较发现它们的聚类结果也很类似 分析：比较发现利用分即聚类方法与利用 C 均值聚类法时 C 取 2 时的聚类结果极其相似，但是，从误差平方和角度考虑，利用 C 均值聚类时 C=2 并不是最好的聚类结果，C=5 时，才是最好的分类，由此可见，从误差平方和角度考虑，C均值聚类法比分即聚类法更优。 五、 心得体会 通过本次试验，我们队 C 均值聚类法以及分即聚类法都有了较好的理解，并且在用 MATLAB 编程方面都有了很大进步。 教学设计 【课题】：对数据进行排序和筛选 【课型】：新授 【教材分析】 本节课的作用和地位 Excel电子表格是信息技术会考中的一个重要内容，同时也是以后工作中一个基本的技能。通过前面的学习，学生基本上学会一些Excel的基本操作，并且用公式和函数对数据进行处理。本节课学习对数据进行排序和筛选，是学习Excel过程中一个必不可少的课程内容，不管是对会考还是以后的学习和工作都有很大的帮助。 本节主要内容介绍 首先从课堂上获取一些数据后，让学生输入数据，然后用公式和函数计算一些数据，最后讲述排序和筛选，并且演示操作。【学生分析】 本节课的学习者是高一年级的学生，学生进校快半个学期，具备了一定的信息素养，并且在学习了文字处理的相关知识和Excel的基础知识之后还有一定的操作基础，但对一些概念性的理论知识不是很感兴趣，理论知识相对欠缺，他们对感兴趣的东西学习积极性特别高且乐于探索，但学习中易受网络、游戏等影响，注意力不够集中，另外因各种因素，学生的基础存在一定的差异。【设计思路】 首先，教师创设情景，从学生自身出发，获取要处理的数据。其次，演示怎么对数据进行排序，给学生时间自己动手实践。 然后，再演示怎么筛选（包括高级筛选），给学生时间自己动手实践。最后，教师根据学生的练习中出现的问题有针对性的讲解和示范。【教学目标】 1.知识与技能 (1)熟练对数据进行排序操作；(2)熟练对数据进行筛选操作； 2.过程与方法 (1)培养学生发现问题，解决问题的能力； (2)培养学生综合运用所学知识，解决实际问题的能力； 3.情感态度和价值观 (1)课堂讲授知识，培养学生良好的听课习惯； (2)通过完成任务，锻炼学生的动手能力和培养学生间的团结协作精神； 【重点难点】： 重点：对数据进行排序和筛选 难点：高级筛选中各个区域的选择。【教学过程】： 一、谈话激趣，揭示课题 师：同学们，初次见面给大家准备了一点见面礼（播放赵本山的小品片段）。 放完之后„„ 师：既然说到了钱的事情，那我们就现场来做一些小调查。师：你们平时都在哪些地方用钱呀？ 学生：„„ 师：最近我在网上看了一个小调查(打开电子表格)，看了一下目前中学生使用零用钱的情况，你们是不是也差不多啊。 活动：课堂上抽取一些学生简单的互动。 二、创设情景，复习巩固，接着进入新授课程 师：同学们都已经学过了关于电子表格很多操作，那这节课我们先来复习一下上节课的内容，现在大家利用函数计算出“总计”和“平均值”。（下发作业） 活动：课堂巡视学生的情况，指导。几分钟之后„„ 师：我看大部分同学都已经完成了，那没有完成的同学等下继续努力。现在我们要请这节课的闪亮登场——对数据来进行排序和筛选。学会了排序和筛选之后，同学们就可以来分析一下，你们在哪些方面用的钱最多或者最少，而且还可以筛选出哪些同学很节约等等。好了，现在我就用我手边的数据为大家介绍一下今天我们的主角！ 教师边讲授边演示操作。 师：首先呢，我们可以简单的对数据进行升序和降序。方法就是：选中你要排序的那一列中的任意一个单元格之后，利用常用工具栏中的“升序”按钮和“降序”按钮。 师：很简单对不对，接下来，同学自己来试试看。把零食那一列升序排列。 活动：学生自己练习，教师巡视学生情况，指导。 师：我看同学们都很棒，那我们接着来学习更复杂的排序，多条件排序。方法：执行“数据”→“排序”，在弹出的对话框中设定多级排序的条件，就 可对数据进行多条件排序。同学们还是来自己动手，看看它是不是没有这么复杂。 活动，学生自己练习，教师巡视学生情况，指导。 师：大家做的都非常好，那下面我们再来点难度大一点的，来对数据进行筛选。筛选也有两个内容，自动筛选和高级筛选。首先来看自动筛选：执行“数据”→“筛选”→“自动筛选”，Excel便在数据清单中每个列标题的右边插入了一个下拉箭头，单击列标题右边的下拉箭头，打开下拉列表，选择。如果筛选的条件不是下拉式列表中的一个值，那么可以在下拉式列表中选择“自定义”方式，在“自定义自动筛选方式”对话框中输入筛选条件。下面同学们自己动手操作一下。 活动，学生自己练习，教师巡视学生情况，指导。 师：看了大家做的情况，同学们完成的都非常好，现在我们退出自动筛选（执行“数据”→“筛选”→“自动筛选”退出）来学习今天最复杂的一个内容——高级筛选。方法主要是定义三个单元格区域：一是定义查询的数据区域；二是定义查询的条件区域；三是定义存放查找出满足条件的记录的区域。注意步骤：第一，要在工作表的任意一个空白区域，输入筛选的条件，输入条件时，如果在同一行，表示条件需要同时满足，在不同行表示满足其中之一；第二，执行“数据”→“筛选”→“高级筛选”，打开高级筛选对话框。在对话框中进行设置。 师：接下来的时间大家就接着把刚刚的数据在处理一下，用高级筛选找出电话费大于30元的同学。 三、实践巩固，分层辅导 教师课堂巡视，进行辅导。挑出比较优秀的学生，对其他同学进行辅导。【课堂小结】： 通过这节课的学习，知道了Excel电子表格给人们带来的一个很大的便利就是可以帮助人们处理数据，这对于同学们以后的学生和生活是非常有帮助的。希望大家下去以后有时间多多练习，你会得到意想不到的收获。【教学反思】： 信息技术的学习重在操作实践，本节课利用任务驱动辅助教学，注重教师的主导地位和学生的主体地位。教学过程中创设情景，不断提高学生的兴趣和吸引学生的注意力。课堂上，除了传授新知识外，留大部分时间给学生自己操作，调动学生的积极性、主动性、和创造性，促进学生主动发展。此外，挑出比较突出的学生对其他学生进行指导，促进他们的感情交流，创造一个良好的学习氛围。 实验报告 课程名：数据结构（实验名：图的遍历姓 名：班 级：学 号：时 间： C语言版） 2014.11.15 一 实验目的与要求 1.掌握图的遍历的方法 2.利用 C 语言实现图的遍历 二 实验内容 • 将一个图存储起来 • 对该图分别进行先深和先广遍历 三 实验结果与分析 程序： #include #define QUEUE_SIZE(MAX_VEX+1)//队列长度 //using namespace std;bool *visited;//访问标志数组,避免同一顶点多次访问 /****图的邻接矩阵存储结构******/ typedef struct{ char *vexs;//顶点向量 int arcs[MAX_VEX][MAX_VEX];//邻接矩阵 int vexnum,arcnum;//图的当前顶点数和弧数 }Graph;/*********队列类************/ class Queue{ public: void InitQueue(){ base=(int *)malloc(QUEUE_SIZE*sizeof(int));front=rear=0;} void EnQueue(int e){ base[rear]=e;rear=(rear+1)%QUEUE_SIZE;} void DeQueue(int &e){ e=base[front];front=(front+1)%QUEUE_SIZE;} public: int *base;int front;int rear;};/*图G中查找元素c的位置*/ int Locate(Graph G,char c){ for(int i=0;i G.vexs=(char *)malloc(G.vexnum*sizeof(char));//分配顶点数目 printf(“输入%d个顶点.n”,G.vexnum);for(i=0;i printf(“输入顶点%d:”,i);scanf(“%c”,&G.vexs[i]);temp=getchar();//接收回车 } for(i=0;i for(j=0;j printf(“输入弧%d:”,i);scanf(“%c %c %d”,&a,&b,&w);//输入一条边依附的顶点和权值 temp=getchar();//接收回车 s1=Locate(G,a);s2=Locate(G,b);G.arcs[s1][s2]=G.arcs[s2][s1]=w;} } /*****图G中顶点k的第一个邻接顶点***********/ int FirstVex(Graph G,int k){ if(k>=0 && k for(int i=0;i for(int k=j+1;k visited[k]=true;printf(“%c ”,G.vexs[k]);//访问第k个顶点 for(i=FirstVex(G,k);i>=0;i=NextVex(G,k,i))if(!visited[i])DFS(G,i);//对k的尚未访问的邻接顶点i递归调用DFS } } /****************广度优先遍历***************/ void BFS(Graph G){ int k;Queue Q;//辅助队列Q Q.InitQueue();for(int i=0;i visited[i]=true;printf(“%c ”,G.vexs[i]);Q.EnQueue(i);//i入列 while(Q.front!=Q.rear){ Q.DeQueue(k);//队头元素出列并置为k for(int w=FirstVex(G,k);w>=0;w=NextVex(G,k,w))if(!visited[w]){ //w为k的尚未访问的邻接顶点 visited[w]=true;printf(“%c ”,G.vexs[w]);Q.EnQueue(w);} } } } /***********主函数***************/ void main(){ int i;Graph G;CreateUDN(G);visited=(bool *)malloc(G.vexnum*sizeof(bool)); printf(“n广度优先遍历: ”);for(i=0;i 图1.图的遍历程序运行结果 无线数据采集模块 实验报告 姓名：张兆伟 班级：13 班 学号：2015042130 日期：2016年8月25日 无线数据采集模块实验报告 一、实验背景 数据是指用来描述客观事物的数字、字母和符号等等。数据传输在人类活动中的重要性是不言而喻的。它是计算机与外部物理世界连接的桥梁。数据采集，或称数据获取，既利用一种装置，从系统外部采集数据输入到系统内部。 随着计算机、通信和网络技术的飞速发展，无线传感器网络应运而生。传感测试技术正朝着多功能化、微型化、智能化、网络化、无线化的方向发展。工业无线网络是从新兴的无线传感器网络发展而来的，具有低成本、低能耗、高度灵活性、扩展性强等特点，已经成为继现场总线技术后的又一个研究热点。无线数据采集既要在复杂，恶劣的现场环境下将物理量完整的进行采集，更要将采集到的数据传给远端的主控室。其主要应用领域包括：工业遥控、遥测；石油钻井张力无线监测；短距离无线数据传输；安防设备无线监控；无线RS485、无线PLC；城市管网压力、温度监测；电力线无线报警等。 二、实验过程 无线数据采集既要在复杂，恶劣的现场环境下将物理量完整的进行采集，更要讲采集到的数据传给远端的主控室。DTD110系列无线数传模组广泛应用于无线数传领域，典型应用包括遥控、遥感、遥测系统中的数据采集、检测、报警、过程控制等环节。 DTD110系列无线PLC有4路开关量的传输，4路模拟量的传输，距离100米~3000米均可。即可以实现点对点通信，也可以实现点对多点通信，不需要编写程序，不需要布线，一般电工就可以调试使用。对于工业现场的遥测遥控实施简单、方便、便宜。 1、适用范围 无线数据采集模块具有数据采集、控制、GPRS无线远程通信等功能。采用低功耗设计。该产品可接入各种串口仪表、各种模拟信号输出的变送器、各种脉冲信号输出的雨量计、水表等。广泛用于水务、环保、气象、市政、环境、地质、农业、公安等行业远程监控系统。特别适用于太阳能供电方式的现场应用，可大大降低太阳能供电成本。 2、无线数据采集的特征： 多种配置应用方案，可以满足用户不同的需要；4个开关输入通道，4个开关OC门输出通道；4个模拟量输入通道，4个模拟量输出通道；可以直接代替有线的PLC设备；一体化设计，结构紧凑；多种产品规格适应于不同的传输距离；射频输出功率10mW、500mW、1000mW；GFSK调制，高效前向纠错信道编码技术；软件无线电技术保证高抗干扰能力和低误码率；ISM 频段433MHz，无需申请频点；工业标准设计，能工作于各种恶劣环境；直流9~24V供电，电流小于800mA。 3、主要功能 1）远程通信：GPRS网络和短消息双通道传输数据，支持专线、VPN专网多种组网方式。 2）通讯协议：支持UDP、TCP 协议，支持多中心数据通信。 3）模拟量输入：可采集4-20mA、0-5V等多种电流、电压信号输出模拟量。 4）开关量输入：可采集干接点、有源接点开关量输出信号，可定时采集以降低能耗。 5）脉冲量输入：可采集干接点脉冲信号，用于采集脉冲发讯水表。6）智能仪表接入：提供2路RS232/485串口，可以采集各种智能仪表，如流量计、照相机等。 7）开关量输出：提供三极管集电极信号输出。 8）电源输出：可定时为变送器供电，输出电压：同输入电源电压。9）远程控制：接受远程指令，实现控制。 10）数据显示：可支持2×8中文汉字液晶显示，配有4个数字键盘。 11）数据查询：可本机按键查询，同时支持就地串口查询，远程查询。 12）远程通信：支持RS232/485总线、GPRS、SMS等多种通信。 13）配套软件：配套提供参数设置软件。 4、主要特点 1）工作电流低：GPRS实时在线，平均工作电流<10mA。 2）数据存储容量大：本机循环存储监测数据，掉电不丢失，存储容量：4M。 3）维护方便：支持远程参数设置，远程软件升级。 4）体积小：外型尺寸145×100×65mm 5、技术指标 1）硬件配置：GPRS/GSM无线通信接口、4路AI、4路DI、6路PI、3路DO、2路串口、中文液晶显示和无显示可选、1个4按键键盘可选。 2）采集精度：模拟量采集精度：0.5%，脉冲计数误差：0.01% 3）通信协议：支持标准MODBUS协议，可嵌入其它通信协议。 4）通信接口：GPRS/GSM无线通信接口，1路串口用于维护，2路串口采集仪表，232/485可选。 5）通信速率：300～19200 bit/s 6）工作环境：温度：-25~+70℃、湿度：≤95%、无腐蚀气体、无导电尘埃、无爆炸环境。 7）安装方式：一般采用导轨式安装，特殊场合，可将控制器固定在安装底板上。 8）供电电源：10～28VDC 6、系统功能 系统主要分三层，第一层为服务器，第二层为过渡层，由 Zigbee 协调器和 Zigbee节点构成，第三层为任务层，由 54 个监测单元和 1 个显示单元构成。系统的主要功能为：服务器有选择地查询 54 个监测单元的数据，然后根据需要将某个监测单元的数据发送到显示单元上，让其显示，中间的传输全部由 Zigbee 组网无线通讯。 其服务器主要功能： 1）开辟多个线程，每个线程主动轮询各个节点；与每个节点的通讯必须“有问 必答”，具有超时控制机制； 2）具有广播，组播配置参数功能； 3）对每个节点可以实时监测重量，温度，湿度参数。并且以曲线形式显示； 4）实时采集每个节点的参数并显示； 5）服务器采用 Windows 7 操作系统，开发工具为 C#和 SQL 数据库，最终生成安装文件。 三、实验结果 直观看到显示单元上面显示的值，什么都不选时，数码管上显示 0000，当输入节点编号，并双击鼠标选中温度、湿度或者重量时，点击确定后，数码管 会立即显示具体数值，并且给显示单元发送显示命令。 四、认识与体会 数据采集是整个工厂自动化的最前端，测试精度、速度与实现该功能的成本是几个重要因素，数据采集也正朝着这几个方向发展。高速、实时数据采集在运动控制、医疗设备、快速生产过程和变电站自动化等领域都有非常重要的应用。这些行业中，对高速数据采集的需求远远超过目前实际可以实现的程度。用户的需求促进了技术的发展和新产品的出现，随着工业发达国家和新兴崛起国家为提高其产品在全球市场的竞争力，他们更进一步希望降低包括能源消耗、原材料消耗和劳务成本。对于发达国家来讲，其劳务成本远远高于新兴崛起国家，因此特别重视促进创新和技术进步，采用新的技术手段。正是在这样竞争日益激烈的大背景下，无线数据采集技术在工业中的推广应用则受到了特殊的重视。 SPSS数据统计软件实验报告 专业 信息与计算科学 班级 级班 组别 指导教师 姓名 同组人 实验时间 2018 ****年**月**日 实验地点 实验名称 方差分析 实验目的通过对数据的分析，使其掌握用方差分析的方法来比较数据。 实验仪器： 1、支持Intel Pentium Ⅲ及其以上CPU，内存256MB以上、硬盘1GB以上容量的微机； 软件配有Windows98/2000/XP操作系统及SPSS软件。 2、了解SPSS软件的特点及系统组成，在电脑上操作SPSS软件。 实验内容、步骤及程序： 一、1.实例内容： 下表给出销售方式对销售量的对比试验数据，利用单因素方差分析来分析不同的销售方式对销售量的影响。 2.实例操作： Step 01 打开对话框。 打开数据文件,选择菜单栏中的【分析】|【比较均值】|【单因素 ANOVA】命令,弹出【单因素ANOVA检验】对话框。 Step 02 选择因变量。 在候选变量列表框中选择【销售量】变量作为因变量,将其添加至【因变量列表】列表框中。 Step 03 选择因变量。 在候选变量列表框中选择【销售方式】变量,将其添加至【因子】文本框中。 Step 04 定义相关统计选项以及缺失值处理方法。 单击【单因素ANOVA检验】对话框【选项】，在弹出的对话框选中【方差同质性检验】、【平均值图】复选框，然后单击【继续】。 Step 05 事后多重比较。 单击【单因素ANOVA检验】对话框【事后比较】，在弹出图中选中Bonferroni复选框，然后单击【继续】。 Step 06 对组间平方和进行线性分解并检验。 单击【单因素ANOVA检验】对话框【对比】，弹出图的对话框选中【多项式】，将【等级】设为【线性】，单击【继续】返回【单因素ANOVA检验】的对话框。 Step 07 单击【确定】，输出分析结果。 3.实例结果及分析 變異數同質性測試 销售量 Levene 統計資料 df1 df2 顯著性 .346 .793 给出了方差齐性检验的结果。从该表可以得到 Levene方差齐性检验的P值为0.793,与显著性水平0.05相差大,因此基本可以认为样本数据之间的方差是非齐次的。 變異數分析 销售量 平方和 df 平均值平方 F 顯著性 群組之間 （合併） 685.000 228.333 7.336 .003 線性項 比對 196.000 196.000 6.297 .023 偏差 489.000 244.500 7.855 .004 在群組內 498.000 31.125 總計 1183.000 给出了单因素方差分析的结果。从表中可以看出,组间平方和是685、组内平方 和是196,其中组间平方和的的F值为7.336,相应的概率值是0.003,小于显著性水平0.05,因此认为不同的销售方式对销售量有显著的影响。另外,这个表中也给出了线性形式的趋势检验结果,组间变异被销售方式所能解释的部分是196,被其他因素解释的有244.5,并且组间变异被销售方式所能解释的部分是非常显著的4.事后检验 多重比較 因變數: 销售量 Bonferroni 法 (I) 销售方式 (J) 销售方式 平均差異 (I-J) 標準錯誤 顯著性 95% 信賴區間 下限 上限 1.0 2.0 -7.0000 3.5285 .388 -17.615 3.615 3.0 9.0000 3.5285 .128 -1.615 19.615 4.0 4.0000 3.5285 1.000 -6.615 14.615 2.0 1.0 7.0000 3.5285 .388 -3.615 17.615 3.0 16.0000* 3.5285 .002 5.385 26.615 4.0 11.0000* 3.5285 .040 .385 21.615 3.0 1.0 -9.0000 3.5285 .128 -19.615 1.615 2.0 -16.0000* 3.5285 .002 -26.615 -5.385 4.0 -5.0000 3.5285 1.000 -15.615 5.615 4.0 1.0 -4.0000 3.5285 1.000 -14.615 6.615 2.0 -11.0000* 3.5285 .040 -21.615 -.385 3.0 5.0000 3.5285 1.000 -5.615 15.615 *.平均值差異在0.05 層級顯著。 给出了多重比较的结果,*表示该组均值差是是显著的。因此,从表中可以看出,第二组和第三组、第四组的销售量均值差是非常明显的,但是第三组与第四组的销售量均值差话相却不是很明显。另外,还可以得到每组之间均值差的标准误差、置信区间等信息。 平均值圖形 给出了各组的均值图。从图可以清楚地看到不同的施肥类型对应不同的销售量均 值。可见,第三组的销售量最低,且与其他两组的销售量均值相差较大,而第二组和和第三组之间的销售量均值差异不大,这个结果和多重比较的结果非常一致 二、1.实例内容： 某研究机构研究了3种动物饲料对4种品系小鼠体重增加的影响,数据如图下所示,变量a为饲料种类,变量b为鼠的品系,变量x为增重克数。 2.实例操作： Step 01 打开对话框。 打开数据文件,选择菜单栏中的【分析】|【一般线性模型】|【单变量】命令,弹出【单变量】对话框,如图所示。 Step 02 选择观测变量。 在候选变量列表框中选择【体重】变量作为因变量,将其添加至【因变量】列表框中。 Step 03 选择因素变量。 选择【饲料类型】和和【小鼠品系】变量作为因素变量,将它们添加至【固固定因子】列表框中,如图所示。 Step 04选择多重比较。 单击【模型】按按钮,弹弹出【单变量:模型】对话框,如图5.23所示。选中【定制】单选按钮,在左侧列表框中选择“因因素a”和“因因素b”变量并移至【模型】列表框中。选择【构建项】选项组中【类型】下拉列表框中的【主效应】选项,再单击【继继续】按钮,返回主对话框。 Step 05其他选项选择。 单击【图】按钮,弹出图5.24所示【单变量:轮廓图】对话框。将因素b放入【单独的线条】框,将因素a放入【水平轴)】文本框,单击【添加】按钮,再单击【继续续】按钮,返回主对话框。 单击【事后比较】按钮,弹出图所示对话框。将因素a和因素b放入【下列各项的事后检验】列表框,比较方法选择LSD法。 单击【选项】按钮,弹出图5.26所示【单变量:选项】对话框。将因素a和因素b放入【显示下列各项的平均值】列表框,选中【比较主效应】复选框。选中【描述统计】复选框表示输出描述性统计量;选中【齐性检验】复选框表示输出方差齐性检验表。再单击【继续】按钮,返回主对话框。 Step 06 完成操作。 最后,单击【确确定】按钮,操作作完成。 3.实例结果及分析 (1)主体间效应检验表 表所示为主效应模型检验,结果可见校正模型统计量F=6.772、P=0.000,说明模型有统计学意义。因素a和因素b均有统计学意义,P=0.000、P=0.037,均小于0.05。 主旨間效果檢定 因變數: 体重 來源 第III 類平方和 df 平均值平方 F 顯著性 修正的模型 8929.625a 1785.925 6.772 .000 截距 167796.750 167796.750 636.304 .000 a 6487.875 3243.938 12.301 .000 b 2441.750 813.917 3.086 .037 錯誤 11075.625 263.705 總計 187802.000 校正後總數 20005.250 a.R 平方 = .446（調整的R 平方 = .380） (2)成对比较表。 表所示为不同饲料类型两两比较结果,从Sig值(即P值)可见,饲料B与饲料C没有差异（p=0.117），其余均有差异，p<0.05。 成對比較 因變數: 体重 (I) 饲料类型 (J) 饲料类型 平均差異 (I-J) 標準錯誤 顯著性b 95% 差異的信賴區間b 下限 上限 A饲料 B饲料 18.750* 5.741 .002 7.163 30.337 C饲料 27.938* 5.741 .000 16.351 39.524 B饲料 A饲料 -18.750* 5.741 .002 -30.337 -7.163 C饲料 9.188 5.741 .117 -2.399 20.774 C饲料 A饲料 -27.938* 5.741 .000 -39.524 -16.351 B饲料 -9.188 5.741 .117 -20.774 2.399 根據估計的邊際平均值 *.平均值差異在.05 層級顯著。 b.調整多重比較：最小顯著差異（等同於未調整）。 （3）均值图 图所示为不同品系小鼠喂养不同饲料的体重增重的均值图。可见A饲料较好,B饲料和C饲料差异不大。 实验小结： 通过该实验，让我懂得了利用数学思想解决实际问题，很好的把数学运用到实际生活中，在今后的学习中我会再接再厉的。 教师评语： 1.实验结果及解释：（准确合理、较准确、不合理）；占30% 2.实验步骤的完整度：（完整、中等、不完整）；占30% 3.实验程序的正确性：（很好、较好、中等、较差、很差）；占30% 4.卷面整洁度：（很好、较好、中等、较差、很差）；占10% 评定等级：（） 教师签名： 日期：第二篇：对数据进行排序和筛选
第三篇：数据结构图的遍历实验报告
第四篇：无线数据采集模块实验报告
第五篇：SPSS数据统计软件实验报告
![下载对数据进行聚类分析实验报告[5篇范文]word格式文档](http://static.xiexiebang.com/skin/default/images/icon_word.png){kind=icon}
点击咨询 