这是我今年毕业时做的综合实训报告，用了两周的时间说实话很辛苦的，这是毕业论文之前的实训报告，做不出这个东西你是毕不了业的，这个报告很重要的，先拿来给大家分享，，， 计算机网络技术专业（网站设计）

详见：https://blog.csdn.net/Timi2019/article/details/134756247 网络五子棋游戏 必做部分： （1）服务器端为多线程，当判断有偶数个用户连接时，方可开始游戏。 （2）先连接的客户执黑棋，先下。另一客户执白棋。 （3）双方交替下棋，由服务器端程序判断客户本次下棋步骤是否有效，仅将有效的下棋步骤传递给双方。 （4）客户端程序负责本地下棋界面的显示工作，与服务器通信，并处理相应的鼠标事件。 （5）下棋胜负由客户端自行判定。提供客户退出按钮，点击按钮，将退出游戏。 选作部分： （1）由服务器端程序判定游戏胜利方，并终止游戏，向双方显示游戏胜利者信息。 （2）提供玩家注册功能，并保存该玩家胜负局数信息、等级、中途逃逸次数等信息。 （3）游戏初始化时，向双方显示玩家等级、逃逸次数等基本信息，玩家可选择是否开始和对手的游戏。 三、开发工具与平台 使用IDEA编写代码，网络编程+多线程+swing+mysql。整体代码使用了MVC架构，数据库部分使用了mybatis框架运用注解开发简化操作。

物联网智能家居系统-实训报告.doc

数据结构的实训报告，提供一个木板，希望对大家有用吧！！！

《网络协议分析》-广工实训报告，具体下载方法见文件

本科大学大四实习华为人员相关网络知识技术培训ppt。

实用的电子商务实训报告，大学生基本可以用的到

项目1：基于sklearn的数据分类挖掘 一、项目任务 熟悉sklearn数据挖掘的基本功能。 进行用朴素贝叶斯、KNN、决策树C4.5、SVM算法进行数据分类分析。 二、项目环境及条件 sklearn-0.18.0 python-2.7.13 numpy-1.11.3+mkl-cp27-cp27m-win_amd64 scipy-0.19.0-cp27-cp27m-win_amd64 matplotlib-1.5.3-cp27-cp27m-win_amd64 三、实验数据 Iris数据集 Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含 150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼 宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virgin ica）三个种类中的哪一类。 Digits数据集 美国著名数据集NIST的子集，模式识别常用实验数据集，图像属于灰度图像。分辨率 为8x8 四、项目内容及过程 1.读取数据集 从sklearn中读取iris和digits数据集并测试打印 "from sklearn import datasets " " " "iris = datasets.load_iris() " "digits = datasets.load_digits() " "print 'iris:',iris.data,'\ndigits:',digits.data " 打印的数据集存在numpy.ndarray中，ndarray会自动省略较长矩阵的中间部分。 Iris数据集的样本数据为其花瓣的各项属性 Digits数据集的样本数据为手写数字图像的像素值 2.划分数据集 引入sklearn的model_selection使用train_test_split划分digits数据集，训练集和测 试集比例为8:2 "from sklearn.model_selection import train_test_split " "x_train,x_test,y_train,y_test=train_test_split(digits.data,digits.t" "arget,test_size=0.2) " "print " "'x_train:',x_train,'\nx_test:',x_test,'\ny_train:',y_train,'\ny_tes" "t:',y_test " 3.使用KNN和SVM对digits测试集分类 引用sklearn的svm.SVC和neighbors.KNeighborsClassifier模块调用算法，使用classi fication_report查看预测结果的准确率和召回率 "from sklearn.metrics import classification_report " " " "from sklearn import neighbors " "clf = neighbors.KNeighborsClassifier() " "clf.fit(x_train,y_train) " "y_pred=clf.predict(x_test) " "print classification_report(y_test, y_pred) " " " "from sklearn.svm import SVC " "clf = SVC() " "clf.fit(x_train,y_train) " "y_pred=clf.predict(x_test) " "print classification_report(y_test, y_pred) " KNN的预测结果：所有数字的预测正确率几乎达到了100% SVM的预测结果：对部分数字的预测误差较大，基本情况不如KNN 考虑SVM分类器的特性，在分类前对特征值进行标准化后再分类： "from sklearn import preprocessing " "min_max_scaler = preprocessing.MinMaxScaler() " "x_train = min_max_scaler.fit_transform(x_train) " "x_test = min_max_scaler.fit_transform(x_test) " 标准化数据后SVM的预测结果达到了KNN的准度： 4.使用贝叶斯和决策树对iris数据集分类 "from sklearn.model_selection import train_test_split " "x_train,

有基础版贪吃蛇外，加了隐藏光标，难度调整，美工，广告位等（小组综合实训，有配ppt和小组实践报告）

旅游网站系统是在旅游人数日益增多的情况下应运而生,它是一个关于现代人对旅游要求的提高和信息方便快捷日益加速而提出的一套应于网络的旅游网站系统。 旅游业的支柱地位已初见端倪。可是全民办旅游的气氛还不浓，许多政策和管理措施还不到位，旅游企业体制不完善等弊端的存在使的坚持大旅游、高起点、优布局、功能全、可持续的原则很难实现。于是电子商务旅游在这种情况下被提了出来，它能满足不同游客的不同要求，使的他们在查询和预定旅游线路、酒店预定等方面能方便和快捷。 旅游网站不仅适合小型的旅行社，对于大中型的旅行社一样适宜。本网站系统通过旅客与我们网站的联系人员联系，能很快的得到需要的服务。该系统为游客提供了经典的旅游线路和报价，酒店价格、条件，车次信息和旅游相关查询等。通过使用网页自动检测浏览客户的最新消息，以实现后台数据的自动刷新功能，为旅客们提供更好的服务。