河南中医药大学：《网络运维管理》实验指导【2019级信管】网络运维管理-实验16-使用Zabbix监控园区网络通信

河南中医药大学：《网络运维管理》实验指导【2019级信管】网络运维管理-实验18-实现用户上网认证

针对微米级软颗粒溶液在微小孔道流动不符合泊肃叶流动规律问题，考虑受固体管壁影响软颗粒形变产生的空间位形力作用，基于Navier-Stokes理论，推导软颗粒溶液在圆管中的流速分布及流量表达式，引入颗粒形变因子以表征空间位形力作用的影响；建立考虑空间位形力作用的圆管流动数学模型.由微尺度流动特征实验，得到软颗粒溶液微圆管流动规律，与泊肃叶流动对比，结果显示当管径小于颗粒直径时，相同压力梯度下考虑空间位形力作用的流速比泊肃叶流动拟合结果更接近于实验数据.通过数值计算分析发现，与泊肃叶流动下的速度分布和平均流量相比，当微圆管尺寸减小时，空间位形力作用随之增大，其更大程度上影响流体在微圆管内的流动规律；当颗粒呈非球形且最小投影面积相同时，偏离球形颗粒程度越大，空间位形力作用越大，因此空间位形力作用在微小孔道流动中不可忽略

河南中医药大学：《网络应用技术 Network Application and Technology》课程教学资源（实验指导）实验一 使用交换机组建局域网

金属管材是工业领域中结构承重、输送气体和液体的重要部件。自由弯管成形技术有助于实现管件生产的高精度、高性能、高效率和数字化，其精度控制理论和成形技术的研究具有重要的工业应用价值。本文选择直径 30 mm 壁厚 2.0 mm 的铝合金管材6061为仿真优化对象，通过相关基础实验获得材料的基本力学数据，用于仿真模型参数的表征。同时，结合管材压弯实验验证本构模型成形预测的有效性。在完成仿真模型表征和验证的基础上，对铝合金管材的自由弯曲成形过程进行仿真模拟，分析对比了影响自由弯曲成形的各工艺参数，确定了该工况下最优的移动模与管材间隙大小、摩擦系数和进给速度等。该研究有助于优化管材空间自由弯曲成形工艺，具有一定的工业应用价值

立体视频在无质量保证的互联网上传输时会引发立体视频左右视图的帧延时,影响观看质量.本文提出一种利用主观评价与客观脑电(electroencephalogram,EEG)相结合的方式分别对深度和水平延时运动立体视频刺激进行分析,并对二者的差异性进行比较.共有十名被试参加实验,被试观看随机呈现的不同延时等级包括无延时、延时1帧、延时2帧和延时3帧的立体视频片段,并对是否感知到延时效应做出主观判断,同时记录被试的EEG信号.从EEG信号中提取出事件相关电位(event related potentials,ERPs)并结合主观行为数据进行分析与比较.实验结果表明,为保证观看质量,深度运动立体视频中所能存在的最大延时帧数为1帧,水平运动中则不能存在延时效应.与水平延时运动相比,深度延时运动刺激产生的P300成分幅值变化范围更大,表明在深度延时运动刺激下大脑的活跃程度更高.同时,相同延时帧数的深度运动与水平运动刺激所产生的P300成分中,深度延时运动的潜伏期更长,这表明处理深度延时运动刺激所需时间更长

为对生产进行指导，研究了DP590/DP780高强钢焊管在液压成形过程中的变形行为；使用场发射扫描电镜观察管材周向的横截面以确定基体的组织，通过VMHT30M显微硬度计确定管材的焊缝及热影响区的大小，以便研究液压成形破裂行为；采用液压成形试验机对两种管件进行液压成形研究。实验结果表明：管材在胀形过程中的破裂压力比理论计算公式得到的破裂压力大，破裂位置全部位于靠近焊缝及热影响区的母材区域；随着管径的增大和长径比的增大，管材的极限膨胀率呈现下降趋势；在自由胀形过程中，管材的焊缝区域基本上不发生减薄，最小壁厚位于管材的热影响区和基体的过渡区域，并且壁厚的减薄率在胀形最高点所在截面最大，越靠近管材夹持区，壁厚的减薄率越小。最终得到以下结论：管材液压成形实验是准确获得管材力学性能参数的途径；提高焊接质量有助于控制失效破裂位置；合理选择管材的长径比有利于管材性能的充分发挥；通过合理控制各处的减薄有利于降低液压成形件的破裂风险

河南中医药大学：《网络应用技术 Network Application and Technology》课程教学资源（实验指导）实验三 使用路由交换机构建园区网

河南中医药大学：《网络应用技术 Network Application and Technology》课程教学资源（实验指导）实验五 OSPF的应用

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性