重庆交通大学

实验报告

班        级： 测绘工程09级2班

学        号：     09210225     

姓        名：    王  俊  棋    

实验项目名称：    验证性实验    

实验项目性质：    验  证  性    

实验所属课程：    计算机网络    

实验室(中心)：    软件实验室    

指 导 教 师 ：     王    勇     

实验完成时间：  2011 年 11 月 25 日

 

一、实验目的

l  1.了解cmd命令窗的作用；

l  2.了解一些简单的命令，并学会使用这些命令对计算机进行相应的操作；

l  3.加深对计算机网络知识的理解。

二、实验主要内容及原理

·  1. 使用ipconfig/all查看自己计算机的网络配置。分析：你和旁边的计算机是否处于同一子网，为什么？

·  2. 使用ipconfig/release释放自动获取的网络配置，并用ipconfig/renew重新获取，了解DHCP。

·  3. 练习arp命令，查看当前arp缓存，并将网关设置为静态arp；

·  4. 查看C:\WINDOWS\system32\drivers\etc\services文件，了解常用的端口号分配；

·  5. 对比两种情况的速度，了解浏览器缓存的作用：访问天佑网站后立即刷新；删除缓存后再刷新。

三、实验过程简述

在windows操作系统中，在桌面右下方点击开始→运行，输入cmd打开命令程序窗口。

·  1.在命令窗口输入ipconfig/all查看计算机的网络配置。

·  2.使用ipconfig释放和获取。

（1）将计算机IP地址获取方式设置为自动获取；

（2）在cmd命令窗口中输入ipconfig/release释放自动获取的网络配置；

（3）在cmd命令窗口中输入ipconfig/renew重新获取网络配置。

·  3. 练习arp命令，输入arp可查看arp命令说明。

（1）  在命令窗口中输入arp –a查看当前arp缓存；

（2）  利用arp –s命令将网关设置为静态。

·  4. 按路径C:\WINDOWS\system32\drivers\etc\service找到service文件，以记事本方式打开，查看常用的端口号分配；

·  5. 对比两种情况的速度，了解浏览器缓存的作用。

（1）  在IE中打开天佑网，然后刷新；

（2）  打开Internet选项，删除浏览历史记录，即浏览器缓存；

（3）  再次刷新天佑网。

四、实验结果及分析   

l  1.实验结果如下：

从结果中我们可以看出，使用ipconfig/all命令，能查看系统的IP配置和网络连接的信息。

下面对比本计算机和旁边计算机的网络配置信息

从中可以明显看出，除IP地址最后两位不一样之外，网关和DNS都一样，因此可以判断，该计算机和相邻的计算机处于同一子网。

l  2.分析使用ipconfig/release和ipconfig/renew结果：

我们可以明显知道：release命令是将现有的IP地址释放掉，而renew命令则是重新从网络中获取IP地址。

在获取IP地址过程中DHCP起到了关键作用，DHCP是在网络中查询出目前闲置的IP网址，然后将查询的到地址分配给计算机。

l  3.实验结果如下：

通过使用arp命令，我们可以了解到arp -a命令是通过询问当前协议数据，显示当前的ARP项，完成查看。而arp –s命令是添加主机，并且将Internet地址与物理地址相关联，完成添加永久ARP项，即静态ARP。

l  4.在sevices文件中，可以查询到各类端口号分配。以下是一些常用的端口号分配：

<service name>  <port number>/<protocol>  [aliases...]   [#<comment>]

ftp                21/tcp                           #FTP. Control

telnet              23/tcp

smtp               25/tcp    mail                   #Simple Mail Transfer

domain             53/tcp                           #Domain Name Server

domain             53/udp                           #Domain Name Server

tftp                69/udp                           #Trivial File Transfer

http                80/tcp    www www-http           #World Wide Web

snmp              161/udp                           #SNMP

snmptrap           162/udp    snmp-trap              #SNMP trap

l  5.实验结果：当删除缓存后，打开网页的速度相对没删除缓存时要慢。

分析：从结果中我们可以知道，浏览器会把你浏览过的网页的图片等信息保存下来，要是下次再打开同样的网页，浏览器就可以搜索缓存，直接打开，以加快网页浏览速度。如果缓存中没有了这些信息，浏览器又得从服务器上获取，相对而言速度就降低了。

 

第二篇：数据分析验证性实验报告

数据分析验证性实验报告

一、 题目

1、1991 年我国30个省、区、市城镇居民月平均消费八个指标（单位均为元/

人）

X1: 人均粮食支出 X2: 人均副食支出 X3: 人均烟茶支出 X4: 人均其它副食支出 X5: 人均衣着商品支出 X6: 人均日用品支出 X7: 人均燃料支出 X8: 人均非商品支出

设前20个省份为第1类G1，21-27号省份（即福建，…，北京）为第2类G2，最后三个省份（西藏、上海、广东）待判。

试判别西藏、上海、广东各属哪一类，并计算判别率的回代估计。80

二、程序

1.录入数据

2. 按“Analyze → Classify → Discriminant ”顺序，打开Discriminant Analysis主对话框，选择“类别”为 Grouping Variable（分组变量），定义“类别”的区域，选择x1、x2、x3、x4、x5、x6、x7、x8为Indepent Variable（解释变量）。

3. 点击Statistics按钮，进入Statistics对话框，在Descriptives栏选择Mean（对各组的各个变量作均值和标准差的描述；②在Function Coefficients栏（判别函数的系数）选择Fisher’s(Fisher线性判别函数)和Unstandardized（判别方程的非标准化系数）非标准化函数；③在Matrices栏选Within-groups correlation（组

内相关矩阵）,Within-groups covariance(组内协方差矩阵)，Separate-groups covariance(组间协方差矩阵) ，Total covariance(总协方差矩阵)。

4. 点击Classification按钮，进入Classification对话框。在Prior Probabilities栏选择All groups equal；②在display栏选择casewise results（每个个体的结果），Summerry table（综合表）

5. 点击Save按钮，保存选项中可以选择预测的分类、判别得分以及所属类别的概率。 三、 运行结果

表1

表2：有关典型判别函数的输出表

Wilks 的 Lambda

Wilks 的

函数检验 1

Lambda

卡方 df

Sig.

标准化的典型判别式函

数系数

x1 x2 x3 x4 x5 x6 x7 x8

函数 1

结构矩阵

x2

x8

x6

x4

x1 x7

x5

x3 函数 1 判别变量和标准化典型

判别式函数之间的汇聚

组间相关性

按函数内相关性的绝对

大小排序的变量。

组质心处的函数

函数

类别

1

2 1 在组均值处评估的非标

准化典型判别式函数

分类处理摘要

已处理的

已排除的 缺失或越界组代码

至少一个缺失判别变量

用于输出中

组的先验概率

用于分析的案例

类别

1

2

合计 先验 未加权的 已加权的

解：由上可得：

分类函数系数

x1 x2 x3 x4 x5 x6 x7 x8 (常量)

类别 1 2 Fisher 的线性判别式函数

(1)、判别函数表达式为：

F2=8.051x1+2.997x2-0.710x3-0.126x4+4.822x5+0.703x6+10.466x7+1.294x8-171.802

F1=6.836x1+2.132x2-0.395x3-2.117x4+5.923x5-0.236x6+7.089x7+2.280x8-119.594

协方差S1矩阵为：

协方差S2矩阵为

协方差矩阵s2

a

???S??

1

n1?n2?2

[(n1?1)S1?(n2?1)S2]

(2)判别准则：

若F1>F2，则x?G1； 若F1<F2，则x?G2； (3) 对已知类别样品判别分类

由此可知，初始分组案例分组100%正确，故无误判，即误判估计为零。

(4) 对待判样品判别归类结果