管理决策实验报告.docx

1、管理决策实验报告管理与决策系统实验一：安装joomla1.首先安装xampp。2.选择next。3.选择安装路径，再选择next。4.选择next：5.选择next：6.安装成功：7.打开浏览器：输入http;/localhost,选择中文。8.下载Joomla，把下载的压缩包解压后的所有文件夹和文件上传到网站根目录C:xampphtdocsjoomla。9.现在开始安装joomla,在网页浏览其中键入地址http:/localhost/joomla 。10.在“选择语言”窗口中选择安装的语言版本，博客吧这里选择“简体中文”，然后点击右上角的“下一步”。11.进入安装前检查界面检查服务器环境是

2、否符合joomla的安装要求，符合则直接点击“下一步”。12.进入软件许可证界面，直接点“下一步”。13.进入“数据库设置”界面，在“基础配置”中，数据库类型选择MySQL，主机名为数据库的主机名localhost;如图配置，点击“下一步”。14.FTP设置直接下一步。15.设置网站配置如图，点击下一步。16.点击删除安装目录，安装成功。实验二：利用matlab做数据的分类一个经过训练的2输入神经元对5个输入向量进行分类(2类)。1.两个长度为5的向量构成输入样本矩阵P，行向量T为指导向量。利用PLOTPV画出这个向量的图像。例如：P = -0.5 -0.5 +0.3 -0.1 -4; -0.

3、5 +0.5 -0.5 +1.0 5;T = 1 1 0 0 1;plotpv(P,T);/plotpv函数利用感知器的输入向量和目标向量来画输入向量的图像2.建立神经网络MATLAB提供函数newp来创建一个指定的感知器。第一个参数指定了期望的两个输入向量的取值范围，第二个参数指定了只有一个神经元。net = newp(-40 1;-1 50,1);3.添加神经元的初始化值到分类图初始化的权值被设为0，因此任何输入都会给出同样的输出，并且分类线不会出现在这个图中，继续训练这个神经网。hold onlinehandle = plotpc(net.IW1,net.b1);/plotpc函数用来画

4、神经网络的分类线4.训练感知器Matlab提供了adapt函数来训练感知器，adapt函数返回一个新的能更好的执行分类、网络的输出、和误差的神经网络，这个划线函数允许网络从3个角度去调整，画分类线一直到误差为0为止。E = 1;/E为误差net.adaptParam.passes = 3;while (sse(E)/sse函数是用来判定误差E的函数net,Y,E = adapt(net,P,T);/利用输入样本调节神经网netlinehandle = plotpc(net.IW1,net.b1,linehandle);/画出调整以后的分类线drawnow;/延迟一段时间end5.模拟simSI

5、M函数能被用来划分任何别的输入向量，例如划分一个输入向量0.7; 1.2.这个新点的图像为红色，他将用来显示这个感知器如何把这个新点从最初的训练集取分开来。p = 0.7; 1.2;a = sim(net,p);/利用模拟函数sim计算出新输入p的神经网络的输出plotpv(p,a);circle = findobj(gca,type,line);set(circle,Color,red);hold on;plotpv(P,T);plotpc(net.IW1,net.b1);hold off;axis(-2 2 -2 2);个感知器正确的区分了我们的新点(用红色表示)作为”zero”类(用圆圈

6、表示)，而不是”one”类(用+号表示)，尽管需要比较长的训练时间，这个感知器仍然适当的进行了学习。实验三：利用matlab做数据的聚类设某地区有八个观测点的数据，样本距离矩阵如程序中X矩阵所示，根据最短距离法聚类分析。程序源代码：%最短距离法系统聚类分析 X=7.90 39.77 8.49 12.94 19.27 11.05 2.04 13.29; 7.68 50.37 11.35 13.3 19.25 14.59 2.75 14.87; 9.42 27.93 8.20 8.14 16.17 9.42 1.55 9.76; 9.16 37.98 9.01 9.32 15.99 9.10 1.82 11.35; 10.06 28.64 10.52 10.05 16.18 8.39 1.96 10.81;BX=zscore(X); %标准化数据矩阵Y=pdist(X) %用欧氏距离计算两两之间的距离D=squareform(Y) %欧氏距离矩阵Z = linkage(Y) %最短距离法T = cluster(Z,3) find(T=3) %第3类集合中的元素H,T=dendrogram(Z) %画聚类图运行结果(如下图)： 聚类谱系图如下图所示：