理学院
上机实验报告
课程名称: 大数据分析
实验名称: 实验一
学院: 理学院
专业: 信息与计算科学
年级: 2013级
实验日期: 实验成绩: 指导老师:
实验报告1
1.1基于最小错误率的贝叶斯决策
1.2基于最小风险的贝叶斯决策
一、实验目的
（1）通过本次综合设计，了解模式识别的基本原理、贝叶斯最小错误率分类器的原理。
（2）本实验旨在让同学对模式识别有一个初步的理解，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，理解二类分类器的。
二、实验设备及条件
matlab软件
三、实验原理
分类是一项非常基本和重要的任务，并有着极其广泛的应用。分类是利用预定的已分类数据集构造出一个分类函数或分类模型(也称作分类器)，并利用该模型把未分类数据映射到某一给定类别中的过程。分类器的构造方法很多，主要包括规则归纳、决策树、贝叶斯、神经网络、粗糙集、以及支持向量机(SVM)等方法。其中贝叶斯分类方法建立在贝叶斯统计学[v1和贝叶斯网络[s1基础上，能够有效地处理不完整数据，并且具有模型可解释、精度高等优点，而被认为是最优分类模型之一[9]。尤其是最早的朴素贝叶斯分类器[l0l虽然结构简单，但在很多情况下却具有相当高的分类精度，可以达到甚至超过其它成熟算法如c4.5[l’]的分类精度，而且对噪声数据具有很强的抗干扰能力。因此，对贝叶斯分类算法的深入研究，无论对其理论的发展，还是在实际中的应用，都具有很重要的意义。
贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。目前研究较多的贝叶斯分类器主要有四种，分别是：Naive Bayes、TAN、BAN和GBN。
贝叶斯网络是一个带有概率注释的有向无环图，图中的每一个结点均表示一个随机变量,图中两结点间若存在着一条弧，则表示这两结点相对应的随机变量是概率相依的，反之则说明这两个随机变量是条件独立的。网络中任意一个结点X 均有一个相应的条件概率表(Conditional Probability Table，CPT)，用以表示结点X 在其父结点取各可能值时的条件概率。若结点X 无父结点,则X 的CPT 为其先验概率分布。贝叶斯网络的结构及各结点的CPT 定义了网络中各变量的概率分布。
贝叶斯分类器是用于分类的贝叶斯网络。该网络中应包含类结点C，其中C 的取值来自于类集合( c1 , c2 , ... , cm)，还包含一组结点X = ( X1 , X2 , ... , Xn)，表示用于分类的特征。对于贝叶斯网络分类器，若某一待分类的样本D，其分类特征值为x = ( x1 , x2 , ... , x n) ，则样本D 属于类别ci 的概率P( C = ci | X1 = x1 , X2 = x 2 , ... , Xn = x n) ，( i = 1 ,2 , ... , m) 应满足下式：
P( C = ci | X = x) = Max{ P( C = c1 | X = x) , P( C = c2 | X = x ) , ... , P( C = cm | X = x ) }
而由贝叶斯公式：
P( C = ci | X = x) = P( X = x | C = ci) * P( C = ci) / P( X = x) 其中，P( C = ci) 可由领域专家的经验得到,而P( X = x | C = ci) 和P( X = x) 的计算则较困难。
应用贝叶斯网络分类器进行分类主要分成两阶段。第一阶段是贝叶斯网络分类器的学习，即从样本数据中构造分类器，包括结构学习和CPT 学习；第二阶段是贝叶斯网络分类器的推理，即计算类结点的条件概率，对分类数据进行分类。这两个阶段的时间复杂性均取决于特征值间的依赖程度，甚至可以是NP 完全问题，因而在实际应用中，往往需要对贝叶斯网络分类器进行简化。根据对特征值间不同关联程度的假设，可以得出各种贝叶斯分类器，Naive Bayes、TAN、BAN、GBN 就是其中较典型、研究较深入的贝叶斯分类器。贝叶斯网络分类器是一种典型的基于统计方法的分类模型。它以贝叶斯定理为理论基础 ,巧妙地将事件的先验概率与后验概率联系起来 ,利用先验信息和样本数据确定事件的后验概率。错误率最小的贝叶斯分类器设计思想是寻找一种划分方式，使“错判”率最小。
四、实验内容与步骤
1、基于最小错误率的贝叶斯决策
（1）理论
参考幻灯片，11-20页面
（2）例子
假设在某个局部地区细胞识别中正常(ω1)和异常(ω2)两类先验概率分别为正常状态：P (ω1)=0.9；异常状态：P (ω2)=0.1。现有一待识的细胞，其观察值为x ，从类条件概率密度分布曲线上查得p (x |ω1)=0.2，p (x |ω2)=0.4。试对该细胞x 进行分类。
解：利用贝叶斯公式，分别计算出ω1及ω2的后验概率。
P (ω2|x )=1－ P (ω1|x )=1－0.818=0.182
根据贝叶斯决策规则(2)，有
P (ω1|x ) = 0.818 > P (ω2|x ) = 0.182
所以合理的决策是把 x 归类于正常状态。
（3）程序
x = [-3.9847 , -3.5549 , -1.2401 , -0.9780 , -0.7932 , -2.8531 ,-2.7605 , -3.7287 , -3.5414 , -2.2692 , -3.4549 , -3.0752 , -3.9934 , 2.8792 , -0.9780 , 0.7932 , 1.1882 , 3.0682, -1.5799 , -1.4885 , -0.7431 , -0.4221 , -1.1186 ,
4.2532 ] disp(x)
818.01
.04.09.02.09.02.0)()|()()|()x |(21111=?+??==∑=j j j P x p P x p P ωωωωω
pw1=0.9
pw2=0.1
[result]=bayes(x,pw1,pw2)
%px_w1:（-2，0.25）px_w2（2,4）
function [result]=bayes(x,pw1,pw2)
m=size(x,2)
pw1_x=zeros(1,m)
pw2_x=zeros(1,m)
result=zeros(1,m)
for ki=1:m
pw1_x(ki)=(pw1*normpdf(x(ki),-2,0.5))/(pw1*normpdf(x(ki),-2,0.5)+pw2*normpdf(x(ki),2,2)) % pw2_x(ki)=1-pw1_x(ki)
pw2_x(ki)=(pw2*normpdf(x(ki),2,2))/(pw1*normpdf(x(ki),-2,0.5)+pw2*normpdf(x(ki),2,2)) end
for ki=1:m
if pw1_x(ki)>pw2_x(ki)
result(ki)=1
else
result(ki)=2
end
end
%semilogy(x,pw1_x,'*');
%semilogy(x,pw2_x);
a=[-5:0.1:5]
n=size(a,2)
pw1_x_plot=zeros(1,n)
pw2_x_plot=zeros(1,n)
for kj=1:n
pw1_x_plot(kj)=(pw1*normpdf(a(kj),-2,0.5))/(pw1*normpdf(a(kj),-2,0.5)+pw2*normpdf(a(kj),2, 2))
% pw2_x(ki)=1-pw1_x(ki)
pw2_x_plot(kj)=(pw2*normpdf(a(kj),2,2))/(pw1*normpdf(a(kj),-2,0.5)+pw2*normpdf(a(kj),2,2)) end
figure(1)
hold on
plot(a,pw1_x_plot,'b-',a,pw2_x_plot,'g*-')
for k=1:m
if result(k)==1
plot(x(k),-0.1,'b*')
else
plot(x(k),-0.1,'go')
end;
end;
xlabel('X')
ylabel('Y')
title('后验概率判决曲线')
%plot();
return ;
2、基于最小风险的贝叶斯决策
（1）理论
最小风险贝叶斯决策规则为
如果a
i i k R R ,,2,1)|(min )|( ==x x αα，则k αα=
最小风险贝叶斯决策的实现步骤：
⑴在已知P (ωj )，p (x|ωj )，j =1，2…，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 i i
i j j i P p P p P 1)()|()
()|()|(ωωωωωx x x
j =1，2，…，c
⑵利用计算出的后验概率及决策表，按(2-15)计算出采取i α，i =1，2，…，a 的条件风险R (i α|x)
)|(),()|(1x x j j i c
j i P R ωωαλα∑==
i =1，2，…，a
⑶对⑵中得到的a 个条件风险值R (i α|x)，i =1，2，…，a 进行比较，找出使条件风险最小的决策k α，即
)|(min )|(,,2,1x x i c
i k R R αα == 即 k α就是最小风险贝叶斯决策。
注意与基于最小错误率的贝叶斯决策的对比
（2）例子
例2.2假设在某个局部地区细胞识别中正常(ω1)和异常(ω2)两类先验概率分别为正常状态：P (ω1)=0.9；异常状态：P (ω2)=0.1。现有一待识的细胞，其观察值为x ，从类条件概率密度分布曲线上查得p (x |ω1)=0.2，p (x |ω2)=0.4。损失函数分别为121=λ,612=λ, 022=λ 21λ=0 。试对该细胞x 按最小风险贝叶斯决策进行分类。
11λ——当x ∈ω1时决策为x ∈ω1
的损失， 21λ——当x ∈ω1时决策为x ∈ω2的损失，
22λ——当x ∈ω2时决策为x ∈ω2的损失，
12λ——当x ∈ω2时决策为x ∈ω1的损失。
解：已知条件为P (ω1)=0.9，P (ω2)=0.1，p (x |ω1)=0.2，p (x |ω2)=0.4，c = 2, 011=λ, 121=λ,612=λ, 022=λ
根据例2.1的计算结果可知后验概率为
P (ω1|x) = 0.818， P (ω2|x) = 0.182
（3）程序
unction [ra1_x,ra2_x,result]=bayes_danger(x,pw1,pw2)
m=size(x,2)
ra1_x=zeros(1,m)
ra2_x=zeros(1,m)
result=zeros(1,m)
for ki=1:m
ra1_x(ki)=40*(pw2*normpdf(x(ki),2,2))/(pw1*normpdf(x(ki),-2,0.5)+pw2*normpdf(x(ki),2,2))
ra2_x(ki)=2*(pw1*normpdf(x(ki),-2,0.5))/(pw1*normpdf(x(ki),-2,0.5)+pw2*normpdf(x(ki),2,2)) end
for ki=1:m
if ra2_x(ki)>ra1_x(ki)
result(ki)=1
else
result(ki)=2
end
end
a=[-5:0.1:5]
n=size(a,2)
ra1_x_plot=zeros(1,n)
ra2_x_plot=zeros(1,n)
for kj=1:n
ra1_x_plot(kj)=4*(pw2*normpdf(a(kj),2,2))/(pw1*normpdf(a(kj),-2,0.5)+pw2*normpdf(a(kj),2,2) )
ra2_x_plot(kj)=2*(pw1*normpdf(a(kj),-2,0.5))/(pw1*normpdf(a(kj),-2,0.5)+pw2*normpdf(a(kj),2 ,2))
end
figure(1)
hold on
plot(a,ra1_x_plot,'b-',a,ra2_x_plot,'g*-')
for k=1:m
if result(k)==1
plot(x(k),-0.1,'b*')
else plot(x(k),-0.1,'go')
end;
end;
xlabel('X')
ylabel('R')
title('风险判决曲线')
return
x = [-3.9847 , -3.5549 , -1.2401 , -0.9780 , -0.7932 , -2.8531 ,-2.7605 , -3.7287 , -3.5414 , -2.2692 , -3.4549 , -3.0752 , -3.9934 , 2.8792 , -0.9780 , 0.7932 , 1.1882 , 3.0682, -1.5799 , -1.4885 , -0.7431 , -0.4221 , -1.1186 , 4.2532 ]
disp(x)
pw1=0.9
pw2=0.1
[ra1_x,ra2_x,result]=bayes_danger(x,pw1,pw2)
（1）实验内容：假定某个局部区域细胞识别中正常（）和非正常（）两类先验概率分别为
正常状态：P（）=0.9；
异常状态：P（）=0.1。
现有一系列待观察的细胞，其观察值为：
-3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531
-2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752
-3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682
-1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532
例三、已知类条件概率的曲线如下图：
类条件概率分布正态分布分别为（-2，0.25）（2,4）试对观察的结果进行分类。（2）最小风险贝叶斯决策可按下列步骤进行：
(1)在已知P(Wi)，P(X|Wi)，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：
j=1,…，x
(2)利用计算出的后验概率及决策表，根据贝叶斯公式计算。
(3)对(2)中得到的a个条件风险值,i=1,…，a进行比较，找出使其条件风险最小的
决策，即则就是最小风险贝叶斯决策。
附参考算法代码和实验参考结果：
运行结果示意：
五、实验分析与说明
类条件概率分布曲线根据事先给定的正态分布参数正常细胞（-2，0.25）及异常细胞（2,4）绘制。后验概率分布曲线由类条件概率分布曲线以及给定的先验概率，正常状态：P
（A ）=0.9；
异常状态：P （B ）=0.1，根据贝叶斯概率公式
∑==c i i
i j j i P p P p P 1)()|()
()|()|(ωωωωωx x x 计算得出。风险曲线根据事先制定的决策表
0 6
6 0
并根据最小风险贝叶斯决策公式计算每种状况的风险，选取最小风险的状况作为最终分类的输出。
本次实验通过给定类条件概率密度及先验概率实现了最小风险贝叶斯决策理论在正常细胞与异常细胞中的应用。
但在实际应用中，如果要进行分类的数据没有足够样本，无法确定类条件概率密度及先验概率时，贝叶斯决策理论通常无法被应用。
《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/9b12242438.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/9b12242438.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；
网络数据库应用实训报告 日期：2016年3月18日班级：物联1411 一、实训目的和要求 1、掌握采用界面方式创建、修改、删除数据库； 2、掌握采用T-SQL 语句创建、修改、删除数据库； 二、实训所需仪器、设备 硬件：计算机软件：操作系统Windows7、SQLServer2008 三、实训内容 1）在管理平台中管理数据库。 （1）创建数据库“studentsdb”。 （2）查看studentsdb数据库的属性。 （3）修改数据文件大小为2MB，指定“最大文件大小”为5MB。日志文件的大小在每次填满时自动递增5%。 （4）将studentsdb数据库的名称更改为student_db。 2）使用T-SQL 语句管理数据库 （1）使用CREATE DATABASE 创建studb数据库，然后通过系统存储过程sp_helpdb查看系统中的数据库信息。 （2）使用ALTER DATABASE 修改studb数据库的设置，指定数据文件大小为5MB，最大文件大小为20MB，自动递增大小为1MB。（3）
为studb数据库增加一个日志文件，命名为studb_Log2，大小为5MB，最大文件大小为10MB。 （4）将studb数据库的名称更改为my_studb。 （5）使用DROP DATABASE 删除my_studb数据库。 四、实训步骤 （内容说明：1.大致的操作步骤；2.参数设置） 1）在管理平台中管理数据库。 （1）数据库右击→新建数据库→数据库名称“studentsdb”； （2）数据文件→初始大小→2MB （3）数据文件→点击自动增长下的→最大文件大小→限制文件大小→5MB； （4）日志文件→点击自动增长下的→文件增长→按百分比→5% （5） studentsdb右击→属性； （6） studentsdb右击→重命名→student_db； 2）使用T-SQL 语句管理数据库 命令如下： CREATEDATABASE studb on PRIMARY ( NAME='student_db', FILENAME='C:\Program Files\Microsoft SQL Server\MSSQL10.MSSQLSERVER\MSSQL\DATA', size=4MB, MAXSIZE=20MB, FILEGROWTH=1 ) log on ( NAME='stusb_log2', FILENAME='C:\Program Files\Microsoft SQL
数据库系统概论实验报告 一、实验题目 小型CMS博客系统的设计与实现 二、实验要求 利用学习的数据库设计的方法和步骤，为选择的应用设计数据库、必要的索引、视图、编写应用程序。 三、总的设计思想，及环境语言、工具等 1、建立系统的目的，系统总体概况的介绍 进行博客系统开发的主要目的是为了提高自己的实践能力、学会自主开发独立程序，学会将所学知识应用于实践中，并在实践中不断学习。在大学里本人所学的知识大多数是从课本上得到的，而这次是要通过动手来实践，实习对本人来说是一次很好的锻炼。 本人所要实现的是一个小型CMS博客系统，用户在注册后可以实现在后台操作数据库更改网站标题、版本号、管理博客、管理日志分类等，在前台可以查看已公开的博客等。本次课程设计初步目标是实现博客的基本功能，在这个基础上对功能进行扩充。 2、选用的语言 利用WINDOWS XP结合DREAMWEAVER和access搭建ASP的环境平台，语言采用强大的vbscript。采用了IIS5.1。 3、需求分析的方法和结果 通过对现行博客系统的基本功能进行调查，明确了CMS博客系统由查看博客、发表博客、回复博客、管理员通过后台管理登录管理日志分类、修改删除博客、发表新文章、设置主页信息等等。用户对系统的描述如下。 a)用户基本功能 1）匿名用户可以查看用户公开的博客，并且可以通过注册申请成为正式用户。 b)管理员基本功能 1）发表新文章。 2）管理文章、如添加删除等。 3）管理分类，如添加、删除、重命名。 4）设置主页上显示的博客条数或者版本号。 数据流图
数据库逻辑模型 将图书馆管理系统的E-R图转换为关系数据库的数据模型，其关系模式为： 博客用户（用户，密码，邮箱），其中用户为主码； 版本信息（版本ID，URL，主页底部信息，副标题），其中版本ID为主码； 日志分类信息（编号，分类名称，基本表述（在鼠标放到分类上后显示的小标签）） 将CMS系统的数据库名定为“SimpleCMS” 数据库模式的规范化 各表的函数依赖集： F博客用户={用户→密码}； F类别={分类ID→名称，分类ID→基本描述}； F版本信息={编号→网站名，编号→网址，编号→底部信息，编号→副标题信息}； 上述关系模式中不存在对非码依赖的表达式，所有的非主属性对码完全并直接依赖，由此证明，博客数据库中各表均服从BCNF,其规范化程度较高，数据库设计合理。 4、E-R图
华北电力大学 实验报告 | | 实验名称数据库实验 课程名称数据库 | | 专业班级：学生姓名： 学号：成绩： 指导教师：实验日期：2015/7/9
《数据库原理课程设计》课程设计 任务书 一、目的与要求 1.本实验是为计算机各专业的学生在学习数据库原理后，为培养更好的解决问题和实际动手能力 而设置的实践环节。通过这个环节，使学生具备应用数据库原理对数据库系统进行设计的能力。 为后继课程和毕业设计打下良好基础。 2.通过该实验，培养学生在建立数据库系统过程中使用关系数据理论的能力。 3.通过对一个数据库系统的设计，培养学生对数据库需求分析、数据库方案设计、系统编码、界 面设计和软件调试等各方面的能力。是一门考查学生数据库原理、面向对象设计方法、软件工程和信息系统分析与设计等课程的综合实验。 二、主要内容 针对一个具有实际应用场景的中小型系统（见题目附录）进行数据库设计，重点分析系统涉及的实体、实体之间的联系，实现增加、删除、更新、查询数据记录等基本操作。大致分为如下步骤： 1. 理解系统的数据库需求，分析实体及实体间联系，画出E-R图： 1）分析确定实体的属性和码，完成对该实体的实体完整性、用户自定义完整性的定义。 2）设计实体之间的联系，包括联系类型和联系的属性。最后画出完整的E-R图。 2．根据设计好的E-R图及关系数据库理论知识设计数据库模式： 1）把E-R图转换为逻辑模式； 2）规范化设计。使用关系范式理论证明所设计的关系至少属于3NF并写出证明过程；如果不属于3NF则进行模式分解，直到该关系满足3NF为止，要求写出分解过程。 3）设计关系模式间的参照完整性，要求实现级联删除和级联更新。 4）用SQL语言完成数据库内模式的设计。 3．数据库权限的设计： 1）根据系统分析，完成授权操作； 2）了解学习收回权限的操作。 4．完成用户界面的设计，对重要数据进行加密。
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
. . 《数据库原理与技术》实验报告 实验一、数据定义及更新语句练习 一、实验容 建立如下mySPJ数据库，包括S，P，J，和SPJ四个基本表(《数据库系统概论》第二章习题5中的四个表)，要现关系的三类完整性。 S(SNO,SNAME,STATUS,CITY); P(PNO,PNAME,COLOR,WEIGHT); J(JNO,JNAME,CITY); SPJ(SNO,PNO,JNO,QTY)； 二、完成情况
附上按照实验容编写的程序代码。（小四号字，宋体） 三、实验结果 1、插入一条记录 2、①将p表中的所有红色零件的重量增加5。 ②将spj表中所有供应商的QTY属性值减少10。用子查询。
3.利用Delete语句删除p表中的所有红色零件的记录。 附上各个步骤所用的实验用例与结果显示（小四号字，宋体） 四、问题与解决 （小四号字，宋体） 1 ．实验中遇到的问题及解决过程 2 ．实验中产生的错误及原因分析 首先写出执行语句不成功的时候系统报告的错误信息。然后分析错误原因，并给出解决办法。
实验二简单查询和连接查询 一、实验容 （一）完成下面的简单查询： ①查询所有“”的供应商明细； ②查询所有“红色”的14公斤以上的零件。 ③查询工程名称中含有“厂”字的工程明细。 （二）完成下面的连接查询： ①等值连接：求s表和j表的相同城市的等值连接。 ②自然连接：查询所有的供应明细，要求显示供应商、零件和工程的名称，并按照供应、工程、零件排序。 ③笛卡尔积：求s和p表的笛卡尔积。 ④左连接：求j表和spj表的左连接。 ⑤右连接：求spj表和j表的右连接。 二、完成情况 （一）完成下面的简单查询： ①查询所有“”的供应商明细； ②查询所有“红色”的14公斤以上的零件。
数据库系统设计实验报告 ――教务管理系统 学院：计算机科学与技术 专业：软件工程 班级： 学号： 姓名： 指导老师：
一、概述 项目背景：数据库课程设计 系统名称：教务管理系统 开发环境：SQL Server 2008 二、需求分析 1、系统的概述 ?一个学校由很多个学院组成，每个学院有多个专业，每个专业有1个或 者多个班级。一个学生只属于1个班级，学生有姓名、学号、性别、身 份证号、入学时间等属性。 ?每个专业的每个年级都有对应的教学计划。教学计划指定了这个专业这 个年级的某门课程在那个学期上，学分、学时是多少。每个学院都设置 有1个教务秘书，这些信息都由教务秘书进行输入。每个院系的课程都 有自己的唯一编码，比如计算机系上的C语言，和电子系上的C语言， 虽然都是同一门课，但是编码是不同的。但是同一个院系中的相同的课 程，课程代码是唯一的。比如计算机学院的07计算机软件专业和计算机 学院的07计算机科学专业都有C语言课程，这两门课程的课程代码是相 同的。 ?教务秘书在每个学期的中间时刻，为下一个学期进行排课，排课的内容 根据教学计划，比如08计算机软件专业的学生，在2009-2010年第2 学期上的课程，可以通过教学计划得知要上什么课程，然后对这些课程 安排上课教师（比如陈越）、上课时间（比如星期2，第1-2节）和地点 （理工楼234），有的课程是单周上，有的双周，也有是每周都上的。 ?在每个学期期末，学生登录到网站上选择下一个学期需要上的课，选择 的时刻，可以选择是否需要教材，如果某门课程的人数选满了，则不能 给任何学生选择了。 ?学生根据选择的课程进行上课，参加考试。每个老师可以用自己的用户 名和密码登陆网站，选择这个学期自己所教的课程（一个老师可以上多 个班级的课程），输入这个班级的成绩，成绩分为期末考试成绩、期中考 试成绩、平时成绩、实验成绩以及总评成绩。这些成绩都需要进行存储。 ?为了保证安全性，老师输入的成绩并不是直接放到最终的成绩表中，而 是放在一个临时的表中，只有当教务秘书审核过后，才导入到最终的成 绩表中。
武汉纺织大学《最新数据 库管理系统》课程实验报告 班级： _______姓名：实验时间：年月日指导教师:_______ 一、实验目的 1、通过实验，使学生全面了解最新数据库管理系统的基本内容、基本原理。 2、牢固掌握SQL SERVER的功能操作和Transact-SQL语言。 3、紧密联系实际，学会分析，解决实际问题。学生通过小组项目设计，能够运用最新数据库管理系统于管理信息系统、企业资源计划、供应链管理系统、客户关系管理系统、电子商务系统、决策支持系统、智能信息系统中等。 二、实验内容 1．导入实验用示例数据库： f:\教学库.mdf f:\教学库_log.ldf f:\仓库库存.mdf f:\仓库库存_log.ldf 1.1 将数据库导入 在SqlServer 2005 导入已有的数据库（*.mdf）文件，在SQL Server Management Studio 里连接上数据库后，选择新建查询,然后执行语句 EXEC sp_attach_db @dbname = '教学库', @filename1 = 'f:\教学库.mdf', @filename2 = 'f:\教学库_log.ldf' go use [教学库] EXEC sp_changedbowner 'sa' go EXEC sp_attach_db @dbname = '仓库库存',
@filename1 = 'f:\仓库库存.mdf', @filename2 = 'f:\仓库库存_log.ldf' go use [仓库库存] EXEC sp_changedbowner 'sa' go 1.2 可能出现问题 附加数据库出现“无法打开物理文件"X.mdf"。操作系统错误5:"5(拒绝访问。)"。(Microsoft SQL Server，错误: 5120)”。 解决：找到要附加的.mdf文件-->右键-->属性-->安全-->选择当前用户-->编辑-->完全控制。对.log文件进行相同的处理。 2．删除创建的数据库，使用T-SQL语句再次创建该数据库，主文件和日志文件的文件名同上，要求：仓库库存_data最大尺寸为无限大，增长速度为20%，日志文件初始大小为2MB，最大尺寸为5MB，增长速度为1MB。 CREATE DATABASE仓库库存 (NAME = '仓库库存_data', FILENAME = 'F:\仓库库存_data.MDF' , SIZE = 10MB, FILEGROWTH = 20%) LOG ON (NAME ='仓库库存_log', FILENAME = 'F:\仓库库存_log. LDF', SIZE = 2MB, MAXSIZE = 5MB, FILEGROWTH = 1MB) 2.1 在数据库“仓库库存”中完成下列操作。 (1)创建“商品”表，表结构如表1：
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。
1.利用图形用户界面创建，备份，删除和还原数据库和数据表（50分，每小题5分） ●数据库和表的要求（第五版教材第二章习题 6 要求的数据库） 数据库名：SPJ，其中包含四张表：S表, P表, J表, SPJ表 ●完成以下具体操作： (1)创建SPJ数据库，初始大小为 10MB，最大为50MB，数据库自动增长，增长方 式是按5％比例增长；日志文件初始为2MB，最大可增长到5MB，按1MB增长。 数据库的逻辑文件名和物理文件名均采用默认值。 (2)在SPJ数据库中创建如图2.1-图2.4的四张表(只输入一部分数据示意即可)。 S表： P表： J表： SPJ表：
(3)备份数据库SPJ（第一种方法)：备份成一个扩展名为bak的文件。（提示： 最好先删除系统默认的备份文件名，然后添加自己指定的备份文件名） (4)备份数据库SPJ（第二种方法)：将SPJ数据库定义时使用的文件(扩展名为 mdf,ldf的数据文件、日志文件等)复制到其他文件夹进行备份。 原位置: 新的位置： (5)删除已经创建的工程项目表(J表)。 (6)删除SPJ数据库。（可以在系统默认的数据存储文件夹下查看此时SPJ数据 库对应的mdf,ldf文件是否存在） 删除过后文件不存在 (7)利用备份过的bak备份文件还原刚才删除的SPJ数据库。（还原数据库）
(8)利用备份过的mdf,ldf的备份文件还原刚才删除的SPJ数据库。（附加） (9)将SPJ数据库的文件大小修改为100MB。 (10)修改S表，增加一个联系电话的字段sPhoneNo，数据类型为字符串类 型。 2.利用SQL语言创建和删除数据库和数据表（50分，每小题5分） ●数据库和表的要求 数据库名：Student，其中包含三个表：S：学生基本信息表；C：课程基本信息表；SC：学生选课信息表。 ●完成以下具体操作： (1)用SQL语句创建如图2.5-图2.7要求的数据库Student，初始大小为20MB， 最大为100MB，数据库自动增长，增长方式是按10M兆字节增长；日志文件初
数据库数据查询实验报告和答案 韶关学院学生实验报告册实验课程名称：数据库技术与应用实验项目名称：数据库的数据查询实验类型（打√）：（基础?、综合、设计）院系：专业班级：姓名学号：指导老师：韶关学院教务处编制一、实验预习报告内容预习日期：10月10月22日（星期二第七八节）实验同组人：如有实验数据表格，学生在实验预习时应画好实验数据表格，供实验时填写数据（本页如不够，可另附相同规格的纸张）。 指导教师批阅及签名签名：年月日三、实验报告内容9月24日实验报告内容原则上应包含主要实验步骤、实验数据计算（实验操作）结果、实验结果（疑问）分析等项目。 实施内容：一、根据实验要求完成实验：（写明步骤和截图）1、在数据库studentsdb中，新建表studentdb_info，curriculum，grade。 并输入相应的数据，如图1、2和3所示。 图1图2图32、在studentsdb数据库中，使用下列SQL语句将输出什么？（1）selectcount(*)fromgrade结果如图4所示：图4（2）selectsubstring(学生姓名,1,2)fromstudent_info结果如图5所示：图5（3）selectupper(kelly)结果如图6所示：图6（4）selectreplicate(kelly,3)结果如图7所示：图7（5）selectsqrt(分数)fromgradewhere分数>=85结果如图8所示：图8（6）select2,3,power(2,3)结果如图9所示：图9（7）selectyear（getdate()）,month(getdate()),day(getdate())结果如图10所示：图102、在studentsdb数据库中使用select语句近基本查询。 （1）在student_info表中，查询每个学生的学号、姓名、出生日
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
《数据库系统原理》实验报告 专业：＿＿＿信息安全＿＿＿＿ 班号：＿＿＿＿＿＿＿ 学号：＿＿＿＿＿＿ 姓名：＿＿＿＿＿＿＿＿ 实验日期：＿＿＿＿＿＿＿＿＿ 上机地点：＿＿＿＿＿＿＿＿＿ 实验环境： 报告日期：2012年 4月26日
一、实验内容、过程及完成情况（必须有所用的SQL 语句、语句执行效果） 1、第三章习题3（P127）：用SQL语句建立第二章习题5 （P74）中四个表，创建的基本表应考虑数据完整性 （1）打开cmd，进入mysql.exe文件所在的文件夹。 然后以用户名root密码123456登录。 如下图所示 图1 （2）执行创建数据库语句：create database mytest1; 然后执行语句：show databases查看库，发现mytest1库建立成功。 如下图所示 图2
（3）选择数据库mytest1，然后执行创建表S的语句：CREATE TABLE S ( SNO CHAR(2), SNAME VARCHAR(8), STATUS SMALLINT, CITY VARCHAR(8), PRIMARY KEY （SNO） ); 如下图所示 图3 （4）执行语句describe S; 显示表S的结构。如下图所示 图4 （5）在mytest1中，执行创建表P的语句： CREATE TABLE P( PNO CHAR(2), PNAME VARCHAR(8), COLOR CHAR(2), WEIGHT SMALLINT, PRIMARY KEY (PNO) ); 如下图所示
图5 （6）显示表P的结构，如下图所示 图6 （7）在mytest1中，执行创建表J的语句：CREATE TABLE J( JNO CHAR(2), JNAME VARCHAR(8), CITY VARCHAR(8), PRIMARY KEY (JNO) ); 如下图所示 图7 （8）显示表J的结构，如下图所示
计算机与信息学院 数据库实验报告 专业班级 学生姓名及学号 课程教学班号 任课教师 实验指导教师 实验地点 2012 ~2013 学年第二学期
实验1 使用向导创建和删除数据库 一、实验目的 1．熟悉SQL Server 中SQL Server Management Studio的环境 2．了解SQL Server 数据库的逻辑结构和物理结构 3．掌握使用向导创建和删除数据库的方法 二、实验要求 1.熟练使用SSMS进行数据库的创建和删除操作。 2.完成实验报告。 三、实验内容 设有一学籍管理系统，其数据库名为“EDUC”。 初始大小为10MB，最大为50MB，数据库自动增长，增长方式是按5％比例增长； 日志文件初始为2MB，最大可增长到5MB，按1MB增长。 数据库的逻辑文件名为“student_data”, 物理文件名为“student_data.mdf，存放路径为“E:\sql_data”。 日志文件的逻辑文件名为“student_log”, 物理文件名为“student_log.ldf”，存放路径为“E:\sql_data”。 四、实验步骤
1．使用SQL Server Management Studio（简称SSMS）创建数据库。 （1）启动SSMS 在开始菜单中：所有程序－SQL Server 2005 －SQL Server Management Studio单击“连接”按钮，便可以进入【SQL Server Management Studio】窗口。如果身份验证选择的是“混合模式”，则要输入sa的密码。 （2）建立数据库 在“对象资源管理器”窗口，建立上述数据库EDUC。在数据库节点上右击选择新建。同时建立一个同样属性的数据库EDUC1。
数据库实验报告 集团文件版本号：（M928-T898-M248-WU2669-I2896-DQ586-M1988）
课程名称：数据库原理与应用 实验内容：数据库安全性管理 作者所在系部：网络工程系 作者所在专业：网络工程 作者所在班级： B13521 作者姓名：李文阳 作者学号： 指导教师姓名：王振夺 北华航天工业学院教务处制 实验四数据库安全性管理 一、实验目的 1、理解数据库的安全性机制； 2、掌握SQL Server 2005的验证模式、登录管理、用户管理、角色 管理以及权限管理； 二、实验内容 （一）附加上次实验所创建的数据库“db_Library”，并回顾该库的数据表信息。 （二）设置SQL Server的安全验证模式，并以两种方式尝试登录。
（三）登录账户管理 1、以管理员身份登录SQL Server，修改sa的密码。 2、使用SQL语句创建一个SQL Server登录账户，账户名为你的名字拼音，密码自定义。创建完成后，以该账户来进行登录。 3、使用SQL语句来修改上述登录账户的密码。 4、禁用上述登录账户连接SQL Server，并进行验证。 （四）数据库用户管理 1、使用SQL语句添加db_Library数据库用户User2，其登录账户为上题所创建的SQL Server登录账户，使用默认dbo架构，并赋予该用户能够运行Select语句的权限。 （五）权限管理 1、使用SSMS将创建数据表和创建视图的权限授予User2。 2、使用SQL语句将对db_Library数据库中图书信息表的查询、插入、以及对书名和作者列的修改权限授予用户User2。 3、使用SSMS收回User2创建数据表和创建视图的权限。 4、使用SQL语句收回User2修改书名和作者列的权限。 （六）删除上述所建立的数据库用户以及登录账户。 三、实验步骤 主要实现的SQL语句。 使用T-SQL语句创建一个SQL Server登录账户，账户名为你的名字拼音，密码自定义。创建完成后，以该账户来进行登录。
河北科技大学 实验报告 级专业班学号年月日姓名同组人指导教师实验名称数据定义/数据操纵语言成绩实验类型批阅教师 一、实验目的 熟悉sql server 上机环境以及sql server 客户端的配置；熟练掌握和使用ddl 语言，建立、修改和删除数据库表、主键、外键约束关系和索引；熟练掌握和使用dml 语言，对数据进行增加、修改和删除操作。二、实验内容 sql 数据定义语句，sql 数据操纵语句。三、实验要求 1．熟悉sql server 上机环境； 2．建立数据库表，修改数据库表结构，建立、删除索引。 教学管理数据库各表的数据结构和数据如下：cs：计算机系ma：数学系is：信息系 学生情况表student 主关键字：sno 非空字段：sname，sdept，sclass 课程名称表course 主关键字：cno （1）sql 数据定义语句： 1-1：(建立数据库表) 建立教学数据库的四个数据库表，其中student 表中不包含ssex(c,2) 字段，sname字段为sname(c,8)且可为空。 --创建表 create table student ( sno char(5) not null, sname varchar(8) not null, sdept char(2) not null, sclass char(2) not null, sage numeric(2,0), primary key (sno) ) create table course ( cno char(3) not null, cname varchar(16), ctime numeric(3,0), primary key (cno) ) create table teach ( tname varchar(8) not null, tsex char(2), cno char(3) not null, tdate datetime default(getdate()), tdept char(2) not null, primary key (tname, cno, tdept), foreign key (cno) references course(cno) ) create table score ( sno char(5) not null, cno char(3) not null, score numeric(5,2), primary key (sno, cno), foreign key (sno) references student(sno), foreign key (cno) references course(cno), ); 创建表之后的结果，如图一： （图一）
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 南华大学计算机科学与技术学院 实验报告 （2013 ~2014 学年度第二学期） 课程名称:数据库原理与技术实验名称:认识DBMS 姓名：学号： 专业：软件工程班级：2班 地点：教师：刘征海 实验一认识DBMS 一、实验要求 1、利用管理工具创建数据库、表和表间关系 (1) 利用SQL Server Management Studio 创建数据库，名称为【学生选课YYXXXX】。其中YY为专业代号，计算机为JS，软件工程为RJ，网络为WL，数媒为SM；XXXX为各位同学的学号中的最后四位 (2) 在【学生选课YYXXXX】中建立数据表，表的定义如下所示。 学生YYXXXX(学号，姓名，性别，出生日期，院系名称，备注)； 课程YYXXXX(课程号，课程名，先行课，学分)； 选修YYXXXX(学号，课程号，分数)。 要求定义每张表的主码，为属性选择合适的数据类型，决定是否允许为空， 为【性别】和【学分】属性定义默认值。 (3) 定义表之间的关系。 (4) 分别为表录入几行数据记录，同时练习数据的修改和删除操作。 1）实验操作过程截图如下： 2、利用SQL 语句创建数据库、表和表间关系 在SQL Server Management Studio 中新建查询，实现以下操作。 (1) 用SQL 语句创建数据库，名称为“StudentCourseYYXXXX”。其中YYXXXX 为各位同学的学号中的最后四位。 (2) 用SQL 语句创建StudentCourseYYXXXX 中的3 张表，同时指定主码、外码、默认值等。 (3) 比较“学生选课YYXXXX”和StudentCourseYYXXXX 两个数据库是否一致。 二、实验代码及操作结果显示 新建数据库： create database StudentCourseRJ0214 新建StudentsRJ0214表： create table StudentsRJ0214( Sno nchar(10) primary key, Sname nchar(10) not null, Ssex nchar(10) , Sbirthday date , Sdept nchar(10) , Memo nchar(10) ) 新建CoursesRJ0214表： create table CoursesRJ0214( Cno nchar(10) , 长春大学计算机学院科学与技术专业 数据库原理实验报告 实验名称：实验一数据库模式设计及建立 班级：姓名：学号： 实验地点：日期： 一、实验目的： 1．了解SQL SERVER 2005/2008系统或KingBase ES V7.0的使用； 2．基本掌握SQL的数据定义。 二、实验内容、要求和环境： 【实验要求】 注：将完成的实验报告重命名为：班级+学号+姓名+（实验一），（如：041540538张三（实验一）），提交到SPOC学堂。 1.实验课要携带教材、学习辅导、老师下发的实验报告文档等。 2.课前要对实验内容和步骤部分进行预习。 3.将本次实验所建的数据库做好备份，以备以后实验使用。 【实验环境】 1.SQL SERVER 2005/20085； 1.KingBase ES V7.0 ，人大金仓。 【实验内容和步骤】 1．熟悉SQL SERVER 2005/2008系统。 (1)启动“SQL Server Managemet Studio”，新建数据库和关系（表） ①鼠标单击“开始/所有程序/Microsoft SQL server 2008/SQL Server Managemet Studio”启动“SQL Server Managemet Studio”，SQL Server Managemet Studio（SSMS）是一个集成环境，用于访问、配置、控制、管理和开发SQL Server 的所有组件，SSMS将大量图形工具与丰富的脚本编辑器相结合，使各种技术水平的开发人员和管理员都可以访问SQL Server； ②在“SQL Server Managemet Studio”中左窗口“对象资源管理器”中，单击“SQLEXPRESS”的左侧“+”，弹出下拉菜单； ③在上一步的下拉菜单中，鼠标右键单击“数据库”，在弹出的菜单中选择“新建数据库”，在弹出的对话框中，输入数据库名，同时可以进行存储位置的设置； ④在数据库文件夹下，出现新建的数据库文件夹； ⑤点击所建数据库文件名左侧的“+”，弹出下拉菜单； ⑥在上一步弹出的下拉菜单中，鼠标右键单击“表”，弹出下拉菜单，单击“新建表”即可在此数据库文件夹中建立关系（表）了。 (2)在“对象资源管理器”的上方有一个“新建查询”图标，单击“新建查询”，可使用SQL 语言进行对关系的操作 ①单击“新建查询”后，在“对象资源管理器”窗口上部出现一个工具栏，右侧弹出一个窗数据库实验报告
实验一 数据库模式设计及建立实验报告
相关主题
文本预览