运输仓储实验报告
《运输与仓储管理》课程
实验报告
姓名:韦志顺
班级:港口142
学号:
系别: 鹿山学院管理系
指导教师:伊双清
2016年5月20日
目录
一、实验的目的： ....................
二、实验设备： ......................
三、实验要求： ......................
四、实验步骤： ......................
五、实验结论： ......................
六、实验取得的主要收获和体会： ......
仓储中心仿真模拟系统
一、实验的目的：
仓储型物流中心是指将进货的商品临时保存在仓库中，然后根据需要出库的物流中心。本实验以仓储型物流中心的模型为例，学习自动立体仓库、装货中转站、卸货中转站、传送带（直角、合流）、机器人、托盘供给器等设备来建立模型的方法以及关于这些设备的设定方法。要求学生根据现有的实验设备，自行设计实验方案，完成实验要求，达到实验目的。
二、、实验设备
计算机；上海乐龙人工智能软件有限公司的RaLC-Pro(Rapid Logistics Center
Proposal Model Builder) 模型构筑软件。
图（1）
三、实验要求
通过该软件建立具有自动立体仓库功能的出货传送线的模型，从3处投入口进来的3种商品沿传送带流动，在合流点合流的商品在装货中转站由机器人堆放在托盘上，托盘经入库口被送入自动立体仓库。存储在自动立体仓库中的托盘经出库口出库，在卸货中转站由作业员将商品卸下投放到分流线上去，在分流线上实现三种商品的自动分流，经过一段时间的模拟查看仓库是否发生货满阻塞的情况，如出现要求对参数进行调整重新模拟。实验者可从指导书的三种方案中选择一个模型来构建，也可按照上述要求自行构建模型。
四、实验步骤：
1、卡车卸货区建立。
（1）建立一个投入口的商品直线传送带，右键属性，设置其传送时间为480m/分，以及宽度为1200mm。长度为300mm。在直线传送带前加一个装货平台，设置参数与直线传送带一致。在传送带的左侧加一个托盘供给器。在装货平台前添加一个智能机器人，设置步行速度为660m/分，点击部件生成器放置智能机器人的后面，在添加一个卡车，便设置其参数和透明度为0.5.然后选择软件上的选择按钮，将他们组合在一起。用《Ctrl》+《C》、《Ctrl》+《V》增加2套组合设备。
（2）接下来就通过直线传送带、左、右转传送带、右合流传送带来构建一个传送道路。
（3）、建立一个铁轨滑车，右键属性，设置其传送时间为500m/分，长度为1500mm以及每个加速设置。通过铁轨滑车[添加IO部件（InMode）]，使入库口（InMode）表示出来。[3个添加IO部件（OutMode）]，使出库口（OutMode）表示出来。
图（2）
2、自动立体仓库区建立。
（1）同样是建立一自动立体仓库，右键属性，设置方向速度为420m/分设其每个加速度和设置入库逻辑为随机。
（2）然后加一个自动立体仓库控制器在铁轨滑车左侧。设置它的出库间隔时间为50s，这样可以更清楚的看到货物在仓库的停留时间。
（3）自动立体仓库的入库口（InMode）的设置，自动立体仓库的入库口（InMode）是从外部将托盘送入自动立体仓库的入库路径。选择自动立体仓库的
弹出菜单中的[添加IO部件（InMode）]，使入库口（InMode）表示出来。自动立体仓库的出库口（OutMode）的设置，自动立体仓库的出库口（OutMode）是从自动立体仓库将托盘送出的出库路径。选择自动立体仓库的弹出菜单中的[添加IO部件（OutMode）]，使出库口（OutMode）表示出来。然后用《Ctrl》+《C》、《Ctrl》+《V》增加2套自动立体仓库，使之与铁轨滑车的添加IO部件（OutMode）连接。
图（3）
3、空托盘回收区建立。
（1）再次通过直线传送带、左、右转传送带、右合流传送带来构建一个传送道路。在添加一个卸货平台与前面的传送带相连接。将它的卸货数设置为9。
（2）在卸货平台的左侧放置一个机器人2，用它来提取卸货平台的货物。在卸货平台前面添加一个智能机器人，设置其属性，步行速度为660m/分，为智能机器人添加托盘叉车。
图（4）
4、出货装货区建立。
（1）建立一个投入口的商品直线传送带，右键属性，设置其传送时间为480m/分，添加一个左分流传送带，设置他的角度为30o，点击左曲传送带使他跟左分流传送带相连接
（2）随后再加入一个直线传送带与之自动连接上。这里的传送带的传送时间均为480m/分。用选择键将它们组合起来，然后用《Ctrl》+《C》、《Ctrl》+《V》增加2套组合传送带，
（3）点击智能机器人，设置步行速度为660m/分。建立在直线传送带前面，在智能机器人后添加一个部件消灭器，改变其投放方向，点击设备按钮，选择卡车，放在部件消灭器前面，因为第三方物流的配送车都属于小型的，所以设置卡车的长度为3000mm，高度为1500mm，宽度1200mm，半透明为0.5.再次使用选择键将它们组合起来，然后用《Ctrl》+《C》、《Ctrl》+《V》增加2套组合设备，分别把他们放置在传送带前面。
图（5）
5、连接：全部建立好了，接下来就是各个部件的相连。
（1）卡车卸货区的连接：双击部件生成器，通过红色箭头与智能机器人相连；用同样的方法与装货平台的红色箭头相连接；在将托盘供给器与装货平台连接，最后将所有的设备相连接好。
（2）是自动立体仓库连接，双击自动立体仓库控制器与三个自动立体仓库相连，再与铁轨滑车相连。
（3）空托盘回收区的连接：先将卸货平台红色箭头与机器人2相连，然后再与智能机器人连接，智能机器人与部件消灭器相连。
（4）出货装货区的连接：双击机器人2与直线传送带相连，将每个传送带都连接好，最后与智能机器人相连，智能机器人在与部件消灭器相连。这就完成了全部的连接。
6、设置：设置也至关重要，它决定着整个过程的运作。
（1）先是设置部件生成器属性的目的地为001，第二个部件生成器设置为002，第三个保持默认值，但是设置它们的颜色，以便更加直观的观察到货物的流动。这里设置的目的地是为了出货装货区的左分流传送带相对应，所以也要设置左分流传送带的分流与前面的部件生成器的目的是编码相同。
（2）点击三个装货平台将其装货数分别为9、18、27。卸货平台的卸货数设置为9。
（3）铁轨滑车的设置也十分重要，我们要设置它的配送逻辑为使用自动组，这样货物才会通过铁轨滑车。
（4）点击自动立体仓库属性的入出库逻辑为随机。
7、开始模拟：
五、实验结论：
本次实验我们学习了利用部件生成器、传送带（直线、分流、弯曲）、部件消灭器、智能人、托盘供给器、铁轨滑车、自动立体仓库、卡车等来构建物流的仓储中心。
通过仓储中心仿真模拟，我熟悉的掌握各种设备的控制方法及功能特点。对于商品出入库时需要的铁轨滑车的功能有了更加直观的认识和感受；对仓库的出入情况有了进一步的了
解；也使我加深对托盘上货物的堆码规则及控制方法的了解，并对物流仓储中心有一个更深刻的认识。
六、实验取得的主要收获和体会：
仓储中心仿真模拟系统技术作为现代企业科学管理技术之一。是将对象系统模型化，把模型作为实验装置，用来分析已存在的或计划中系统的一种技术。
经过这次的模拟实训，我对第三方物流和仓储中心系统有了进一步的了解。我学到了许多东西，经过之前学到的理论知识，再结合这次实训所学到的东西，我加深了对物流信息和仓储中心的理解和了解。因为这次实训是理论知识和实际操作相结合，在实践中学到了运用我能在这次实训过程中受益匪浅。通过各种不同角色的体验，让我能够熟悉物流仓储中的工作流程，达到了实训的目的。我对物流信息系统有了一定的了解和认识，并将这些理论与实际的操作相结合，在实践中提高了运用知识的能力。
这次实训实践，使我不仅学到了经验，开阔了视野，拓宽了思路，提升了理念，更重要的是，通过实践，使我深入地了解了仓储中心系统建设的现状、方法、和步骤；充分认识到了物流实训仓储系统建设的重要性和必要性，让我对物流有了新的认识。因为在实践中反思，总会发现自己的不足，所以只有在实践中研究，再实践，不断循环，不断更新，不断提升和发展，从而达到追求完美的境界。所以通过此次实训，学到了宝贵的实践经验，强化了我的操作技能。我始终相信通过这次的模拟实践，可以培养我的实际操作能力和创新能力，为将来步入社会的工作中打下扎实的基础。
数据挖掘实验报告
《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/cc17788193.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/cc17788193.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；
心理学基础实验报告
心理学基础实验报告 一：实验目的 通过完成老师布置的一系列实验和测试项目，了解体验实验过程，通过亲身实践明白心理学相关的实验操作以达到理论联系实际的目的。 二：实验内容 实验项目 1速度知觉：学习速度的感知能力的测试方法，探讨快、慢速两种条件下感知的差别。具体操作时以亮点实际运动到某处所用时间与被试估计时间之差来评定速度知觉准确性。根据图像运行的速度判断当其运行到某程度消失后，何时到达预定目标，图像有圆点和正方形，运行方向有水平垂直及内外伸缩。时间有40点/秒及80点/秒两种，时间和方向随机确定变换。认为时间到即摁反应键。 实验结果：平均误差： 21.57％。水平及垂直方向在40点/秒的时候误差均小于80点/秒，而平面运动方向时却在80点/秒较小。由于方向和时间的频繁变换，头脑中的印象在还没形成定势时就被打乱，所以总体来说误差较大，失误较多。速度知觉不够灵敏。 2短时记忆广度：记忆广度指按固定顺序逐一呈现一系列刺激以后，刚刚能够立刻再现的刺激系列的长度。按照指示语输入与之顺序相同的要求。从3位数字算起，逐渐增加数字，被试者要按照顺序将数字输入，当连续测验三次错误时停止试验。 实验结果：短时记忆广度值：6.00。短时记忆能力较差。 3选择反应时：选择反应时是指当呈现两个或两个以上的刺激时，要求被试分别对不同的刺激做不同的反应。在这种情况下，被试从刺激呈现到做出选择反应的这段时间称为选择反应时。实验分为视觉及听觉两种，根据指示色或指示音选择相应的颜色按键。指示出现完全随机。 实验结果：视觉:选择反应时：333ms 错误次数：3次 听觉;选择反应时：316ms 错误次数：1次 测试项目 1 成就动机量表：希望成功的动机较弱。结果显示我是一个"回避失败者"。常常更多地担心是否会失败以及失败可能带来的不良后果。给人的感觉有学习能力但缺乏学习兴趣。可能过于关心学习成绩，同时对于学习感到厌烦，不愿主动努力，希望用最容易的方式获得好成绩。但是，由于自己并没有真正掌握知识，即使获得好成绩，可能也没有多少成就感。害怕失败而显得缺乏自信，在考试时容易焦虑。建议我多面对挑战，正视失败，从失败中吸取教训从而成功。 2社会支持评定量表：结果显示我在人际方面获得的支持较多，在物质和精神上获得的实际支持处于中等水平。当遇到问题，我的亲友会给与我一定的帮助。建议以后还将培养自己求助的能力，从而面对身心、生活、学习上的困难。
4第四节 对期望效用理论的批判
第四讲第四节对期望效用理论的批判 经济学，尤其是作基础理论的微观经济学，按马歇尔的定义，应该解释人们的经济行为。但在经典的理论中，却无法说明下列现象：为什么人们会不辞辛苦，跑到一家僻远的小杂铺店里，在一件价码很小的货物上为省几块钱而锱铢必争，但对距离同样远的一家超市提供的金额相同的几元钱的打折却无动于衷？为什么人们在买保险时，会买价格较贵的小额保险，而不太愿买价格较便宜的大额保单呢？为什么在股市上，投资者会对短线的利好消息反应过度，从而导致股价的过度敏感呢？…… 这一系列现象都涉及人们的基本行为，尤其是面临风险时人们决策的基本行为。传统的经济学基于冯?诺依曼和摩根斯坦1944年的理论，认为人们在面临风险时是追求期望效用极大化的。这常被用来解释人们在股市上对不同股票或不同投资机会的选择。 但早在50年代，法国经济学家阿莱斯（Ｍ．Ａｌｌａｉｓ）就通过一系列可控实验，提出了著名的“阿莱斯悖论”，对期望效用理论构成了挑战。举例说来，若有两个投资机会Ａ与Ｂ：Ａ会稳赢3000元；机会Ｂ会以80％概率获4000元，20％概率得零。大多数人会选Ａ。但再考虑投资机会Ｃ与Ｄ，Ｃ会以20％的概率获4000元，80％的概率得零，而Ｄ会以25％的概率得3000元，75％的概率得零，这时，上述在Ａ与Ｂ中偏好Ａ的大多数人又会选Ｃ。但是，其实，机会Ｄ只是0．25×Ａ，而机会Ｃ也只是0．25×Ｂ，显然，人们在Ａ、Ｂ之间的选择与在Ｃ、Ｄ之间的选择了发生了不一致。这就叫阿莱斯悖论。 阿莱斯由于提出这一悖论以及与该悖论相关的对人类选择行为的一系列研究，而获得了1988年的诺贝尔经济学奖，然而，经济学家们，包括阿莱斯本人，并没有对这个悖论给出合理的令人信服的解释。 直到1979年，卡门与特维茨基在顶级经济学刊物《Ｅｃｏｎｏｍｅｔｒｉｃａ》发表论文才对此作出了崭新的解释。他俩的解释是基于一个革命性的行为理论——期盼理论（ｐｒｏｓｐｅｃｔｔｈｅｏｒｙ），尽管在中文里，期盼理论与传统的期望（ｅｘｐｅｃｔｅｄ）理论只差一个字，但含义却大相径庭：第一，传统的期望效用理论认为，人们对含不确定性的经济事件的效用评估是根据该事件给自己带来的财富绝对水平作出的，而卡门与特维斯基这两位心理学家，从大量的认识心理实验的结果中发现，人们效用评价是基于一个参照点Ｗ0的，是按未来事件带来的结果Ｗ与参照点Ｗ0的偏离幅度与方向来评估的。即按ΔＷ＝（Ｗ－Ｗ0）来评估的。参照点Ｗ0可以是当事人当前的财富水平，也可以是决策人期盼的财富水平，超过Ｗ0，就是好的，低于Ｗ0，则是负面的。比如，预先定下中国乒乓球队在釜山亚运会上金牌指标为“保四争五”，这“保四争五”就是Ｗ0。最后只获三金，尽管三金本身数量并不少，但国人仍有意见，因它低于“参照点”，低于我们当前根据实力应达到的期盼水平。按（Ｗ－Ｗ0）来评估，这就形成了卡门与特维斯基的“价值函数”。 第二，与传统的期望效用理论假定效用函数在整个定义域内都为凹不同，卡门与特维茨基从心理实验中发现，人们在“参照点”左右，价值评判的行为是不一致的。若结果Ｗ大于Ｗ0，则效用函数曲线为凹；若结果Ｗ小于Ｗ0，则效应函数曲线为凸。这说明，对于大于参照点的“赢项”，人们认为其边际效用递减；而对小于参照点的“输项”，则认为其边际负效用加速。中国射击队在此届亚运会金牌得数大大超标，媒体与国人对其赞扬程度远不如国人对乒乓球队丢一两块金牌的批评程度，可见对“赢”与“输”评价程度并不对称。这种不对称意味着，人们的决策是遵从“损失规避”准则，而不是“风险规避”准则。而且，人们对于“赢”显示的是“风险规避”态度，而对于“输”，显示的则是“风险喜欢”态度。因此，在“参照点”上，效用函数有“拐点”或“折点”。
数据分析实验报告
数据分析实验报告 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-
第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 统计量 全国居民 农村居民 城镇居民 N 有效 22 22 22 缺失 均值 1116.82 747.86 2336.41 中值 727.50 530.50 1499.50 方差 1031026.918 399673.838 4536136.444 百分位数 25 304.25 239.75 596.25 50 727.50 530.50 1499.50 75 1893.50 1197.00 4136.75 3画直方图，茎叶图，QQ 图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民 Stem-and-Leaf Plot Frequency Stem & Leaf 5.00 0 . 56788 数据分析实验报告 【最新资料，WORD 文档，可编辑修改】
2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验
结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。 （2 ）W 检验 结果：在Shapiro-Wilk 检验结果972.00 w ，p=0.174大于0.05 接受原假设，即数据来自正太总体。 习题1.5 5 多维正态数据的统计量 数据：
数据挖掘实验报告(一)
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
社会心理学 问卷
一、被试：选取扬州大学瘦西湖校区在校本科生80名作为被试，男女比例1:1 每组男女各10人 二、实验材料 指示语：你好，我们想了解当代大学生在不同情境下个体对事件原因与责任的不同认知及评价，希望能够得到你们的支持与合作。本问卷不对外公开，请如实填写。 请您认真阅读材料，按照您的真实想法做出选择： 张敏和李伟是一对恋人，但是最近他们俩人的关系有些紧张，两个人可能会分手，当然也可能从归于好。今天下午，张敏下班很早，她决定不打招呼就去看李伟。张敏开车来到李伟家，发现家门口嗨停着另外一辆车。张敏停好车后向李伟家的房子走去，走到院子的时候，透过窗户，她看见李伟正在沙发上亲吻一位姑娘。张敏怒不可遏，冲进屋里大吼一声：“你个混蛋，我和你从此一刀两断！”李伟大吃一惊，目瞪口呆。张敏冲出房门，跑向自己的汽车。此时此刻，张敏又气又恨。她决定让李伟为此付出代价，她甚至希望李伟死。张敏哆哆嗦嗦地找到自己的车钥匙，并发动了汽车。 Ⅰ这时李伟也从屋子里跑出来，他试图劝说张敏，他刚好站在张敏的汽车后面。张敏从汽车的反光镜里看到了李伟站在车后，她挂上倒档，加大油门把李伟撞到在地。李伟头部受了重伤，不久死在医院。 问题：1、根据上述情景，你认为张敏在撞人事件中应当承担的责任----- 注：0%表示无责任，100%表示完全责任 2、你认为，张敏因此事应该被判多少的徒刑------- A不判刑 B 1～5年徒刑 C 4～10年徒刑D 11～15年徒刑 E16～20年徒刑F无期徒刑G 死刑 Ⅱ这时李伟也从屋子里跑出来，他试图劝说张敏，他刚好站在张敏的汽车后面。张敏从汽车的反光镜里看到了李伟站在车后，她挂上倒档，加大油门把李伟撞到在地。李伟的腿被撞断，需要住院治疗几个月。 问题：1、根据上述情景，你认为张敏在撞人事件中应当承担的责任----- 注：0%表示无责任，100%表示完全责任 2、你认为，张敏因此事应该被判多少的徒刑------- A不判刑 B 1～5年徒刑 C 4～10年徒刑D 11～15年徒刑 E16～20年徒刑F无期徒刑G 死刑 Ⅲ这时李伟也从屋子里跑出来，他试图劝说张敏，他刚好站在张敏的汽车后面。张敏因为神情恍惚，没有注意到了李伟在车后，她挂上倒挡，加大油门把李伟撞倒在地。李伟头部受了重伤，不久就死在医院。 问题：1、根据上述情景，你认为张敏在撞人事件中应当承担的责任----- 注：0%表示无责任，100%表示完全责任 2、你认为，张敏因此事应该被判多少的徒刑------- A不判刑 B 1～5年徒刑 C 4～10年徒刑D 11～15年徒刑 E16～20年徒刑F无期徒刑G 死刑 Ⅳ这时李伟也从屋子里跑出来，他试图劝说张敏，他刚好站在张敏的汽车后面。张敏因为神情恍惚，没有注意到了李伟站在车后，她挂上了倒档，加大油门把李伟撞到在地。李伟的腿被撞断，需要住院治疗几个月。
行为经济学实验报告1
实验报告 ——行为经济学
一、独裁者博弈(Dictator Game) 这是一个两人博弈，其中一人为决策提出者(Proposer)，另一人为 决策响应者(Responder)。Proposer 决定如何在两个人之间分$100，即决定“Amount for You”及“Amount for Other”。决策制定后，Responder 被告知该决策。
实验结果分析： 1、根据传统经济学理论的“理性人假设”，在独裁者博弈中，决 策者的理性决策应为：使自己的利益最大化，即将所有的钱都据为己有，而给决策响应者分的数额为0 。 2、根据实验数据不难发现，各决策者都或多或少会偏离传统经济 学中的理性决策，只有极少数的决策者做到了是自己的利益最大化，即将$100全部留给自己；大部分决策者都给决策响应者分了一少部分的钱。这说明人的行为是极其复杂的，不是只追求自身利益最大化的传统经济学理性人，影响他们决策的还有很多其他的因素。 二、最后通牒博弈(Ultimatum Game) 最后通牒博弈类似于独裁者博弈，其中一人为决策提出(Proposer)，另一人为决策响应者(Responder)。Proposer 决定如何在两个人之 间分$100，即决定“Amount for You”及“Amount for Other”。 决策制定后，Responder 可以接受该决策(A ccept)，或者拒绝 (R eject)。如果Reject，则双方的收益都为0。 实验数据统计图如下所示:
实验结果分析： 1、根据传统经济学理论的“理性人假设”，在最后通牒博弈中，决 策者的理性决策应为：使自己的利益最大化。而在最后通牒博弈中，由于决策响应者有权对决策拒绝，如果决策者将所有的钱都据为己有，决策者所能得到的收益将为0，所以决策者必须将利益分给决策 响应者一部分；同时为使自己的利益最大化，决策者又必须给决策 响应者尽可能少分。因此，决策者此时的最优决策应为：给决策响 应者分一单位的钱，其余的都留给自己。在此实验中应为给自己留$99，给决策响应者分$1，从而使自己的利益最大化。而决策响应者 作为一个理性人，如果决策者没有给他分钱，他的最优决策就是拒 绝决策者的决策，从而使双方得益均为0，在自己没有得益的时候， 使决策者的得益也为0 ，从而对决策者进行惩罚。而如果决策者分 给了自己一部分利益，不管多少，都应该接受。因为作为理性人， 如果在有得益的时候拒绝决策者的决策时，自己的得益将变为0，这 在惩罚决策者的决策的同时也使自己的得益减少了，故不可取。在 此实验中即，如果决策者分给决策响应者的钱数不少于$1时，决策 响应者都应该接受决策。 2、根据实验数据不难发现，各决策者都或多或少会偏离传统经济学 中的理性决策。在本实验中，在图“接受的收益比较”中，当收益 在$30左右时，大部分决策响应者就会接受决策者的决策，但各决策 响应者的可接受收益却不尽相同。在图“拒绝的收益比较”中，当 收益大于$35时，决策响应者都接受了决策，即他们认为这样的决策 是比较公平的，是可接受的，也是合理的；而在收益小于$35时，各 决策响应者的反应则是不尽相同的，大多数响应者在被分给$19.5 （均值）左右时会拒绝决策者的决策，而部分响应者则在大于5时就
数据挖掘实验报告资料
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。
社会心理学实验报告2 团体的人际关系
社会心理学实验报告（一） 实验小组 组长 11105020113李佳庆 组员 11105020114李 敬 11105020117廖航燕 11105020119刘凌风 11105020121刘 玥 11105020135张斌艺 实验名称：团体的人际关系 实验目的与要求 人际关系即人与人之间相互影响所形成的关系。在现实的团体和集体中，人际关系有正式的(它由某种规章制度所规定)和非正式的(它是在好感、喜爱、反感、厌恶等基础上形成的)。这里所研究的人际关系是后者，即分析人与人之间在心理上的近远和亲疏的关系。分析团体非正式人际关系的最常用方法是社会测量法(s 。ci 。metry)。本研究的目的是学习运用社会测量法来分析团体的人际关系。 被 试：大学生 实验场地：教学楼 实验材料 社会测量问卷和记录纸。 实验方法与程序 1．确定某一团体(如大学班集体)作为研究对象。通过调查访问，了解集体成员对主要事件的意见、评价和态度，并与该集体建立起相互的信任关系。 2．根据集体的人数，发给每人一张问卷，要求被试在同一时间内完成问卷。 结果分析 人际关系是大学生在校园里必须处理恰当的一种关系，良好的人际有利于在学校、在社会中的发展，它能更好地让你行走于各类人中。对于同一个人，每个人都有不同的看法，喜欢或不喜欢都是一个人给他人的印象。学习处理人际关系是大学生的必修课。针对大学生在团的人际关系情况，作了30份调查问卷，其中有效问卷22份。并根据调查表得出矩阵表和每人的人缘指数。（链接矩阵表、人缘指数） 1．制作社交矩阵 2．指数分析 (1)计算正、负人缘指数： 最高加权分 集体总人数某人的得分数人缘指数?-=)1(
数据分析实验报告
《数据分析》实验报告 班级：07信计0班学号：姓名：实验日期2010-3-11 实验地点：实验楼505 实验名称：样本数据的特征分析使用软件名称：MATLAB 实验目的1.熟练掌握利用Matlab软件计算均值、方差、协方差、相关系数、标准差与变异系数、偏度与峰度，中位数、分位数、三均值、四分位极差与极差； 2.熟练掌握jbtest与lillietest关于一元数据的正态性检验； 3.掌握统计作图方法； 4.掌握多元数据的数字特征与相关矩阵的处理方法； 实验内容安徽省1990-2004年万元工业GDP废气排放量、废水排放量、固体废物排放量以及用于污染治理的投入经费比重见表6.1.1，解决以下问题：表6.1.1废气、废水、固体废物排放量及污染治理的投入经费占GDP比重 年份 万元工业GDP 废气排放量 万元工业GDP 固体物排放量 万元工业GDP废 水排放量 环境污染治理投 资占GDP比重 （立方米）（千克）（吨）（%）1990 104254.40 519.48 441.65 0.18 1991 94415.00 476.97 398.19 0.26 1992 89317.41 119.45 332.14 0.23 1993 63012.42 67.93 203.91 0.20 1994 45435.04 7.86 128.20 0.17 1995 46383.42 12.45 113.39 0.22 1996 39874.19 13.24 87.12 0.15 1997 38412.85 37.97 76.98 0.21 1998 35270.79 45.36 59.68 0.11 1999 35200.76 34.93 60.82 0.15 2000 35848.97 1.82 57.35 0.19 2001 40348.43 1.17 53.06 0.11 2002 40392.96 0.16 50.96 0.12 2003 37237.13 0.05 43.94 0.15 2004 34176.27 0.06 36.90 0.13 1.计算各指标的均值、方差、标准差、变异系数以及相关系数矩阵； 2.计算各指标的偏度、峰度、三均值以及极差； 3.做出各指标数据直方图并检验该数据是否服从正态分布？若不服从正态分布，利用boxcox变换以后给出该数据的密度函数； 4.上网查找1990-2004江苏省万元工业GDP废气排放量，安徽省与江苏省是 否服从同样的分布？
数据挖掘实验报告-关联规则挖掘
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 实验报告 ——行为经济学一、囚徒困境： 囚徒困境悖论是一个非零和游戏，它反映了看起来很合理的个人行 为和合作所得的利益间的矛盾，在一个短期看起来有利的策略却可 能带来长期的错误的情况。这个问题的本质是在一个不知道其他的 参赛者期望他们做什麽的情况下，每一个个体参赛者都会期望获取 最大的利益而不考虑别人的利益——亦即是说，参赛者是一个“利己 主义者”。这个悖论揭示了这样一个矛盾：如果每个人都这样做，他 们会冒著的倒闭和他人合作而得到的比他们期望得到的要少的利益。这个问题的关键是，对於一个囚徒来说，合作在利己主义者之间是 否可以形成：也就是，一个只对自己利益感兴趣的人，在经过一段 时间的学习后可否意识到他们的利益通过合作可以得到更多。 角色：行博弈人(Row Player)、列博弈人(Column Player) 决策：行博弈人选择上(Top)、下(Bottom) 列博弈人选择左(Left)、右(Right) 收益：角色所对应的颜色显示（行博弈人为蓝色，列博弈人为红色） 实验数据统计图如下所示:（1=top/left ; 2=bottom/right） 1、根据传统经济学理论的“理性人假设”，，决策者均为理性人， 17% 83% 选择1、2的比例比较（图一） 12 12345671 2 3 4 5 每轮1出现的个数（图二） 每轮1出现的个数 0.511.522.51 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 每个用户选择相信对方的次数（图三） 1出现的次数 他们总是追求自身利益最大化。在囚徒困境中，他们若是选择信任对方博弈人，跟对方博弈人合作，以使双方收益最优，则对方博弈人可能会选择不合作，这样才能是他自身利益最大化；若是对方博弈人选择合作，则自己的最优选择也应是选择不合作。因此，通过传统经济学的理性人假设可以推知，各博弈方的理性选择均是选择不信任对方博弈人，即选择不合作。这样形成纳什均衡。 2、根据实验统计数据不难看出，在本“囚徒困境”的博弈中，各博弈方并不都是完全的理性人。从图一可以看出，虽然绝大多数的博弈中各博弈方都能做出理性的决策，但仍有17%的博弈中，有博弈方选择了和对方合作；从实验二中可以看出，在每轮博弈中选择信任对方博弈人的人越来越少，但却始终有人选择相信对方博弈人，即选择合作；从图三可以看出，对于同样的决策问题，各博弈人所做的决策却不尽相同，各博弈者选择相信对方博弈人的次数不全一致。综上所述，在“囚徒困境”博弈中，各博弈人的决策虽然跟理性人的决策很相似，但又不尽相同。经济学上的理性人完全追求自身利益最大化，而现实中的社会人的行为却还会收到很多其他的各类因素的影响。这说明，经济学上的理性人假设虽然在很多时候可以将复杂问题简单化，方便进行研究；但这也在很大程度上将人理想化了，从而使得研究的结果和现实中的人的行为不完全一致；这也再次证明了人是复杂人，其行为受很多其他因素的影响。 二、双向拍卖： 所有参和实验的人构成一个市场，市场上有卖家(Seller)和买家(Buyer)。买家提出出价(Bid Price)购买某商品，卖家提出要价(Ask Price)出售商品。每个卖家有3 个商品出售，每个买家可购买3 个商品。当买家接受某个卖家的要价，或者当卖家接受某个买家的出价，这是可以完成商品的交易。实验程序可以显示当前的最高出价和最 低要价(Bid‐Ask Spread)。卖家的要价，不应低于当前最高的出价； 买家的出价，不应高于当前最低的要价。对于卖家，每件商品有不 同的成本(Cost)；对于买家，每件商品有不同的价值(Value) 对实验数据进行着整理，得到如下数据： 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： 概念形成实验室研究 摘要:本实验旨在比较简单与复杂空间位置关系概念形成过程的某些特点,学习研究概念形成的过程。使用叶克斯选择器,通过向一名被试展示设计好的,按简单与复杂空间位置概念的操作的规律来研究被试概念形成的影响因素。实验结果表明:随着空间位置复杂程度的增加,被试想要形成概念就需要更多的尝试次数,以及每遍按错的次数也会更多,提出的疑问尝试也更多。验证了概念的形成遵循尝试错误——假设——检验的循环过程。 关键词:概念空间位置假设检验 1、前言 概念就是反映事物本质属性的思维形式,就是思维的基础。概念就是代表了一类具有共同属性的事物、事件、行动或关系,而且可以用一个特定的名称或符号来表示。概念的属性包括定义属性与可变属性,概念学习就就是通过对概念定义属性的辨认、识别与类化来辨别正反例的。当一个人能够正确地把一个概念所有的正例识别为正例,所有的反例识别为反例时,就可以说就是学会了这个概念(郭建鹏,2010)。对于概念形成与结构的研究,不仅在理论上为最终了解人类思维过程奠定基础,而且在实践上也为教育中如何帮助受教育者准确迅速地掌握概念提供指导。因此,长期以来,心理学特别就是认知心理学从各个不同角度对概念形成与结构进行了广泛的研究,提出了不同的学说。(杨治良,1986)。 目前认知关于概念形成的观点大致可分为两种:一就是通过假设验证来形成概念;二就是由典型例证学习概念。认知心理学家罗斯认为,记忆中的种种概念,就是以这些概念的具体例子来表示的,而不就是以某些抽象的规则或一系列相关特征来表示的。这就就是说,概念就是一组对以往遇到过的、存在记忆中的该概念的一些范例构成的。而假设检验理论就是把学生瞧做就是一个积极的信息加工者。学生就是通过提出与检验各种假设来解决种种问题的,包括概念问题。换句话说,学生始终不断地对解决办法提出各种假设,并对之加以检验 唐彦(1992)认为鉴于自然条件下形成概念的无关因素不易控制与掌握,所以1920年hull首创了“人工概念”,用以研究概念的形成过程。迄今为止,这种方法仍然为理学家们研究概念形成所采用。心理学家不仅对概念的形成过程进行了研究,而且也对人工概念的研究方法与模型进行了探索、1956年Bruner报告了 行为经济学实验报告4 一、一价拍卖(First Price Auction) 参与实验的所有人构成一个拍卖市场，拍卖物的价值(Prize Value) 对每个人不同，是随机分配的，平均分布于[$0, $10]。每一个人都可以出价竞标(Bid)，竞标价格不得超过$20。出价最高的人获得拍卖物，其收益为拍卖物的价值减去其竞标出价。 实验数据统计图如下所示: 实验结果分析： 1、根据传统经济学理论的“理性人假设”，决策者都是理性人，都以自身利益最大化为目标。在一价拍卖博弈中，由于所有的博弈人都在竞拍同一个拍卖物，但拍卖物对每个人来说其价值不尽相同。而只要博弈人的出价不高于该拍卖物对博弈人而言的价值，他竞拍到该拍卖物后就是有收益的；而为了在与其他的博弈方的博弈中能拍到该拍卖物，理性的博弈人则会给出自己所能接受的最高出价，以便能拍到该拍卖物，从而获取收益。因此，作为理性的博弈人，各博弈方均会以该拍卖物对自己的价值作为竞拍叫价，最终的结果则应是拍卖物对其价值最高的竞拍者最终拍到拍卖物。 2、根据实验数据不难发现，大部分决策者和响应者的决策都偏离 传统经济学中的理性决策。在本实验中，六轮实验中只有一轮实验 拍卖物对最终拍到的拍卖者的价值是最高的，这只占实验总轮数的17% ，这个结果与传统经济学的分析结果完全不一致。但从竞拍者 的预期收益图不难看出，总体的趋势是竞拍者越来越理性了，他们 的预期收益越老越少了。而从最终拍到拍卖物的竞拍者的收益来看，也基本符合这个趋势。因此，从“一价拍卖”博弈中我们可以看出，虽然现实中的博弈者并不像传统经济学假设中的理性人那样完全的 以利益最大化为目标，但他们的行为也在变得越来越理性了。 二、二价拍卖(Second Price Auction) 与一价拍卖基本相同，只是这时出价最高的人只需支付第2 高的价格，即获胜人的收益为拍卖物的价值减去第2 高出价。 实验数据统计图如下所示: 数据分析实验报告 【最新资料，WORD文档，可编辑修改】 第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 方差1031026.918399673.8384536136.444百分位数25304.25239.75596.25 50727.50530.501499.50 751893.501197.004136.75 3画直方图，茎叶图，QQ图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民Stem-and-Leaf Plot Frequency Stem & Leaf 9.00 0 . 122223344 5.00 0 . 56788 2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验 单样本Kolmogorov-Smirnov 检验 身高N60正态参数a,,b均值139.00 标准差7.064 最极端差别绝对值.089 正.045 负-.089 Kolmogorov-Smirnov Z.686 渐近显着性(双侧).735 a. 检验分布为正态分布。 b. 根据数据计算得到。 结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。（2）W检验 篇一：心理学实验报告模板 实验编号： 2011-2012学年第学期 实验名称 摘要（空一格开始，200字以内） 关键词 3-5个） 专业年级：实验组别： 实验者： 其他成员： 实验时间：延安大学教育科学学院 （空一格开始，1 引言 （正文，首行缩进2字符） 2 研究方法 2.1 被试 （正文，首行缩进2字符） 2.2 实验仪器 （正文，首行缩进2字符） 2.3 实验步骤 （正文，首行缩进2字符） 3 结果 （正文，首行缩进2字符） 3.1 （正文，首行缩进2字符；如果需要绘制表格或统计图，请居中，表格与统计图不能绘制在两页上） 3.2 （正文，首行缩进2字符；同3.1） 4 讨论 （正文，首行缩进2字符；如果讨论从不同角度展开，可采用 4.1、4.2、?、?依次进行） 5 结论 （正文，首行缩进2字符；请使用简明扼要的文字，将本实验所得结论加以说明；或分（一）（二）逐条说明） （与正文隔1行） 参考文献 [序号]作者.篇名[j].刊名，出版年份，卷号（期号）：起止页码 ?? [序号]作者.书名[m].出版地：出版社，出版年份：起止页码?? [序号]作者.篇名[n].报纸名，出版日期（版次）. .规范的参考文献格式 一、参考文献的类型 参考文献（即引文出处）的类型以单字母方式标识，具体如下： m——专著 c——论文集n——报纸文章 j——期刊文章 d——学位论文 r——报告 s——标准p——专利 a——文章 对于不属于上述的文献类型，采用字母“z”标识。 常用的电子文献及载体类型标识： ［ｄｂ/ol］——联机网上数据(database online) ［db/mt］——磁带数据库(database on magnetic tape) ［ｍ/cd］——光盘图书(monograph on cd rom) ［ｊ／ｏｌ］——网上期刊(serial online) ［ｅｂ/ol］——网上电子公告(electronic bulletin board online) 对于英文参考文献，还应注意以下两点： ①作者姓名采用“姓在前名在后”原则，具体格式是：姓，名字的首字母. 如： malcolm richard cowley 应为：cowley, m.r.，如果有两位作者，第一位作者方式不变，&之后第二位作者名字的首字母放在前面，姓放在后面，如：frank norris 与irving gordon应为：norris, f. & i.gordon.； ②书名、报刊名使用斜体字，如：mastering english literature，english weekly。 二、参考文献的格式及举例 1．期刊类 【格式】[序号]作者.篇名[j].刊名，出版年份，卷号（期号）：起止页码. 【举例】 [1] 沈大为，韩凯.fok判断产生机制的研究进展[j].心理科学，1999，22：156-158. [2] 罗劲，林仲贤.对fok的线索熟悉性假说的重新检验[j].心理学报，1997，20:241-247. [3] conger, j.a.& kanungo r.n. the empowerment process:intergrating theory and practice[j]. academy of management review, 1988,13 (3): 81-105. 2．专著类 【格式】[序号]作者.书名[m].出版地：出版社，出版年份：起止页码. 【举例】 [4] 朱宝荣.现代心理学原理与应用[ｍ].上海：上海人民出版社，2002：15-18，31. [5] tennen,h & affleck,g. finding benefit in adversity. in: the psychology of what works[m]. new york: oxford university press, 1999: 42-45. 3．报纸类 【格式】[序号]作者.篇名[n].报纸名，出版日期（版次）.行为经济学实验报告3
大数据挖掘weka大数据分类实验报告材料
心理学概念形成实验报告
行为经济学实验报告4
数据分析实验报告
心理实验报告格式