《C程序设计》课外作业 说明:(1)章节顺序按照PowerPoint电子教案 (2)教材上的作业注明了章节和题号 (3)所用教材是《C程序设计(第二版)》谭浩强清华大学出版社; (4)除教材上的作业外,还包括少量补充作业; (5)题号加*表示电子教案上作为例题,有答案。 第一章C语言概述 教材习题 1.1 第二章C语言基本数据类型、变量、常量与表达式 教材习题3.33.43.93.103.125.25.3

C语言的特点，语言简捷、紧凑,使用方便、灵活 运算符丰富 数据结构丰富 具有结构化的控制语句，语法限制不太严格,程序设计自由度大，能实现较底层的功能。生成目标代码质量高,程序执行效率高，程序可移植性好

▪ 14.1 基于消息传递的编程 ▪ 14.2 MPI并行编程 ▪ 14.3 PVM并行编程 ▪ 14.4 基于数据并行的并行编程 ▪ 14.5 HPF并行编程

位运算,按二进制位进行运算,位运算的运算对象是二进制的位,位运算速度快,效率高,节省存储空间 只能对整型数据(包括字符型)进行位运算。负数以补码形式参与运算，注意与逻辑运算区别

第一节方差分析的基本原理与步骤 第二节单因素试验资料的方差分析 第三节两因素试验资料的方差分析 *第四节方差分析的数学模型与期望均方 第五节数据转换

第一节 方差分析的基本原理与步骤 第二节 单因素试验资料的方差分析 第三节 两因素试验资料的方差分析 *第四节 方差分析的数学模型与期望均方 第五节 数据转换

§2.1 性质与使用性能 1. 基础概念 2. 性质与性能的区别与关系 3. 材料的失效分析 4. 材料（产品）使用性能的设计 5. 材料性能数据库 6. 其它问题 §2.2 成分与结构 1. 材料的结构 2. 成分结构检测技术 3.与其它要素的关系 4.材料的成分.结构数据库 5.新的机遇 §2.3 合成与加工 1.定义 2.合成与加工的主要内容 3.与其它要素的关系 4.发展方向 §2.4 仪器与设备 1. 成分、结构表征仪器 2.材料性能的检测仪器 2.合成与加工过程中使用的设备 3.过程控制的探测元件及装置 §2.5 分析与建模（材料设计） 1. 引言 2. 材料设计的基本内容 3. 材料设计计算机基础

1学科基础课平台必修课 《概率论与数理统计 B》 《高等数学 B1》 《高等数学 B2》 《管理统计与 SPSS 应用》 《管理学 A》 《宏观经济学 C》 《基础会计学 B》 《经济法 A》 《人力资源管理专业导论》 《市场营销学 A》 《微观经济学 B》 《线性代数》 2学科基础课平台选修课 《ERP 沙盘模拟》 《财务管理学 B》 《公共关系学》 《供应链与物流管理 A》 《管理沟通》 《国际贸易实务 A》 《管理信息系统》 《管理心理学 A》 《计量经济学 B》 《计算机办公自动化 (中高级应用）》 《计算机网络 B》 《经济写作》 《逻辑学》 《企业伦理学》 《系统工程学 B》 《数据挖掘与商务智能》 《网页设计与制作》 《网页设计与制作》考试 《网页设计与制作》课程实训 《信息检索与利用》 《博弈论与信息经济学》 《运筹学 B》 3专业课平台必修课 《管理英语 1》 《管理英语 2》 《绩效管理 A》 《技术经济学 A》 《人力资源管理专业毕业设计（论文）》 《人力资源管理专业毕业实习》 《人力资源管理专业认识实习》 《人力资源管理专业学年论文（论文）》 《人管专业认知社会调查》 《人力资源管理专业实习》 《人力资源开发与管理 A》 人力资源开发与管理实习大纲 《生产运作管理》 《战略管理 A》 《组织行为学》 4专业课平台选修 《创新创业创意实训》实习大纲 《创业管理》 《电子商务 B》 《管理经济学》 《广告学》 《广告学》实习 《国际贸易地理》 《跨国公司管理》 《跨文化管理》 《劳动与社会保障法 A》 《领导科学》 《品牌管理》 《商务礼仪》 《市场调查与分析》 《数据库原理与应用 A》 《组织理论与组织设计》 《现场管理》 《薪酬管理》 《质量管理》

心理学 教育学 普通话 教育技术学导论 教育传播学 教育技术学研究方法 学习科学与技术 教学系统设计 创新思维与创新方法 摄影技术基础 摄像技术 计算机网络 数据库原理与应用 面向对象程序设计 数据结构 创意美术基础 构成设计 平面设计与二维动画制作 三维建模与动画设计 电视节目编导与制作 非线性编辑 专业英语 虚拟现实技术教育应用 教育软件工程 信息技术课程教学法 现代教育技术装备与环境 教育评价与测量 培训方案与课程设计 产品设计 模拟电路与数字电路 模块化编程与传感器应用 中小学 STEAM 教育与创新教育 知识管理与绩效技术 数字音频技术 中小学创意课程开发与实践 数字影视创作 人工智能概论 教育技术前沿 智慧教育与智慧校园 现当代文学经典鉴赏 中国文化概论 东西方文化与礼仪 健康体适能

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机