当前位置：文档库 › WINE在linux下使用教程

WINE在linux下使用教程

3.什么是wine？

刚刚步入Linux，难免要有时利用一下Windows的程序资源，Wine提供了一个用来运行Windows程序的平台。

Wine (Wine Is Not an Emulator)[即Wine不仅仅是一个模拟器]是一个在X和UNIX之上的,Window s 3.x 和Windows APIs的实现.它是一个Windows兼容层,用通俗的话说,就是一个Windows模拟器,这个层即提供了一个用来从Windows源进出到UNIX的开发工具包(Winelib),也提供了一个程序加载器,该加载器允许不用任何修改Windows 3.1/95/NT的二进制文件,就可以运行在Intel Unix及其衍生版本下.Wine可以工作在绝大多数的UNIX版本下,包括Linux, FreeBSD, 和Solaris. Wine不需要Microsoft Windows, 因为这是一个完全由百分之百的免费代码组成的,可以选择的实现,但是它却可以随意地使用本地系统的DL Ls,如果它们是可以被利用的话.Wine的发布是完全公开源代码的,并且是免费发行的。

目前Wine 仍在发展阶段，但是较新的版本可以运行一些著名软件，甚至是Photoshop CS3!

Wine的官方站点是https://www.wendangku.net/doc/9710327583.html,/，虽然你可以在它的官方站点下载源代码，自己配置编译，不过这个过程可是比较繁琐的！

编译安装

如果你安装了编译所需要的软件（如gcc flex bison fontforge ），就可以进行编译了！

首先，访问https://www.wendangku.net/doc/9710327583.html,/ 下载最新版本的wine，解压到一个目录

打开终端（"Terminal"），输入以下命令：

./configure # 检查编译环境

make #若上一步成功的话，即可进行编译

make install #安装

即可完成Wine 的编译。

注意：编译WINE 一般需要一个小时（视机器性能而定），若你是刚刚接触Linux 不久的人，最好不要进行编译。

下载及安装

若你使用Debian 或者Ubuntu 之类的发行版，只需要一个命令即可完成安装：

apt-get install wine

若你使用的为其他发行版，请访问https://www.wendangku.net/doc/9710327583.html,/site/download 查询安装方法

Wine 的配置

运行winecfg 即可，里面有详尽的配置。

注意：Wine 1.1.4 以上版本的winecfg 已经是中文界面了。

Wine 中文乱码的解决

Wine 1.1.4 以上版本的中文支持得到了极大改善。如果您在使用较低版本的WINE或者对WINE的中文支持不满意，可以把下面文字保存为zh.reg 文件，运行regedit 导入它即可

REGEDIT4

[HKEY_LOCAL_MACHINE\Software\Microsoft\Windows NT\CurrentVersion\FontSubstitutes] "Arial"="WenQuanYi Zenhei"

"Arial CE,238"="WenQuanYi Zenhei"

"Arial CYR,204"="WenQuanYi Zenhei"

"Arial Greek,161"="WenQuanYi Zenhei"

"Arial TUR,162"="WenQuanYi Zenhei"

"Courier New"="WenQuanYi Zenhei"

"Courier New CE,238"="WenQuanYi Zenhei"

"Courier New CYR,204"="WenQuanYi Zenhei"

"Courier New Greek,161"="WenQuanYi Zenhei"

"Courier New TUR,162"="WenQuanYi Zenhei"

"FixedSys"="WenQuanYi Zenhei"

"Helv"="WenQuanYi Zenhei"

"Helvetica"="WenQuanYi Zenhei"

"MS Sans Serif"="WenQuanYi Zenhei"

"MS Shell Dlg"="WenQuanYi Zenhei"

"MS Shell Dlg 2"="WenQuanYi Zenhei"

"System"="WenQuanYi Zenhei"

"Tahoma"="WenQuanYi Zenhei"

"Times"="WenQuanYi Zenhei"

"Times New Roman CE,238"="WenQuanYi Zenhei"

"Times New Roman CYR,204"="WenQuanYi Zenhei"

"Times New Roman Greek,161"="WenQuanYi Zenhei"

"Times New Roman TUR,162"="WenQuanYi Zenhei"

"Tms Rmn"="WenQuanYi Zenhei"

官方介绍

Wine is an Open Source implementation of the Windows API on top of X, OpenGL, and Uni x.

Think of Wine as a compatibility layer for running Windows programs. Wine does not require Microsoft Windows, as it is a completely free alternative implementation of the Windows API con sisting of 100% non-Microsoft code, however Wine can optionally use native Windows DLLs if th ey are available. Wine provides both a development toolkit for porting Windows source code to U nix as well as a program loader, allowing many unmodified Windows programs to run on x86-bas ed Unixes, including Linux, FreeBSD, Mac OS X, and Solaris.

More information can be read in the articles Why Wine is so important, and Debunking Wine Myths. If you are wondering how well a particular application works in Wine, please examine th e Applications Database. For installation instructions and step-by-step help with running Wine, tak e a look at the User Guide.

Wine is free software. The licensing terms are the GNU Lesser General Public License.

Wine的简单使用方法

Wine可以在绝大多数的Unix版本下工作，但其现在仍不能完全运行所有的Windows程序，不过由于几乎每个月都有新版本，越来越多的Windows程序已经能在Wine的帮助下在Linux中运行。

1、直接运行程序

使用命令wine

[root@localhost root]#wine <程序名>

2、使用程序管理器

［root@localhost root]#progman

启动管理器窗口，从菜单中选择文件(F)－执行(X)，就会弹出一个目录浏览器，选择程序即可。

3、直接双击EXE 程序

一些发行版安装WINE时会自动关联EXE程序，这样直接双击可以运行。

某些简单程序可直接运行，而不需要安装。

举例：Wine运行国泰君安股票软件

如果大家经常用Linux桌面（如Ubuntu），可以用以下的方法把国泰君安股票软件安装到Ubuntu系统中。

1. 安装Wine

sudo apt-get install wine

2. 下载国泰君安股票安装软件

3. 把当前目录更换到有国泰君安股票软件的目录

运行以下命令：

wine setup_dzh5_fuyi.exe

这时象在Microsoft Windows中一样的安装界面就会出现，按提示安装。

注意：如果这时出现乱码，可能是由于Wine中的字体替换出了问题，请参考以下链接：http://forum. https://www.wendangku.net/doc/9710327583.html,/viewtopic.php?t=72933

---

4. 运行国泰君安股票软件

运行以下命令：

cd ~/.wine/drive_c/DZH5/internet/

wine Hypmain.exe

Wine可以做什么

本文中，我们讨论的是Wine 在纯Linux 上的安装，没有任何Windows 分区。

1. Windows 可执行文件：

Wine 完全支持Windows 可执行文件（ .exe 和DLL）的二进制加载。

2. DLL：

Wine 有几百个Windows DLL 的内部实现-- 不过，其中没有多少是完全的实现。例如，包含有用户界面相关函数的userd32.dll 在开放源代码的Wine 中实现了92%。

3. COM：

这是一种几乎被所有的大型Windows 应用程序所使用的Windows 技术，它支持诸如将一个Excel 电子数据表嵌入到Word 文档中等功能。这一技术得到了Wine 的很好的支持。

4. 注册表：

这是另一个几乎任何一个Windows 应用程序都会使用的关键技术，Wine 实现了大约90% 的Win dows 注册表管理API。

5. 核心功能：

核心系统功能也得到了特别好的支持。如前面提到的，尽管Linux 和Windows 之间存在区别，但是基本的层次上还有很多类似之处，因此与进程、线程、文件和消息队列相关的核心系统API 得到了近乎完美的支持。

6. 音频和视频：

Wine 支持Windows 音频和视频文件的运行（还可以使用Windows 媒体播放器）。

7. 打印：

也得到了支持，可以从一个在Wine 中运行的Windows 应用程序进行打印。

8. ODBC：

Wine 支持那些需要通过ODBC 访问数据库的Windows 应用程序。

9. 调试：

Wine 有一个非常健壮和强大的内置调试器，除了支持标准的调试功能外，它还为调试运行于Linux 上的Windows 二进制程序进行了定制。它是Wine 为其开发者提供的最重要工具之一。Wine 还有一个设计完备的追踪和记录日志的模块，可以帮助调试。我们之所以强调这一点，原因在于，尽管框架是健壮的，但是，当在Wine 中安装和运行Windows 应用程序时有很多不确定因素，在使用开放源代码的Wi ne 时迟早会停下来进行调试。

Wine 不能做什么

不幸的是，很多用户发现Wine 难于使用。诚然，在Linux 上使用类似于MS Office 这样的应用程序可能是困难的；在这里我们来看一些原因，为什么确实是这样。在开始之前，我们应该指出，CodeWe avers 提供的商用Wine （CrossOver）已经解决了大部分此类问题（参阅参考资料以获得链接）。假以时日，这些问题将可能在开放源代码的Wine 中同样得到解决。

1. 使用命令行

与大部分Linux 中的应用程序一样，Wine 必须在命令行中安装。用户必须回到命令行中来在Wine 下运行应用程序。例如，要运行Internet Explorer，用户通常需要在shell 中输入wine IEXPLORE.EXE 。尽管经验丰富的用户喜欢这样做，但初学者会发现这比较困难，而且不太可能懂得起别名等快捷方式。不过，现在用户也可以直接双击EXE文件运行（如果进行了关联），尽管这样会给查看错误信息带来困难。

2. 配置

Wine 的配置较为复杂。不过现在有了简体中文的界面，对于初学者来说，配置简单了不少。

3. 取消对隐藏文件的隐藏

如果挂载CDROM 时没有使用专门的unhide 选项，那么安装CD 上的一些文件可能会无法找到，从而导致安装失败。

4. 调整配置

Wine 安装很少能直接使用（对它来说也就是从tarfile 解开）。通常需要进行全面的调整；例如，一个程序的安装可能与您在配置文件中设置的Windows 版本不相容；而修改那个版本又可能会影响一些已安装的应用程序。对很多DLL 来说也是如此。为此，Wine 提供了一个巧妙的修复，让您可以设置特定于应用程序的属性。不过，一般的用户可能不会像我们一样满意。

5. 额外的安装步骤

大部分应用程序的安装过程都不是标准的。例如，当我们安装Internet Explorer 6 时，必须跳过一些步骤，比如DCOM98 的定位与安装。对用户来说，这类事情可能是最大的障碍。

注意，这些并不是病症，而是举例说明了是哪些种类的事情导致对一般用户来说Wine 看起来复杂而且困难。

更多Wine 所不能做的

看完Wine 的可用性问题后，现在让我们来总结在尝试使用Wine 时一些常见的技术问题。

1. 缺少DLL

这可能是最常见的问题：很多安装由于缺少DLL 而失败。人们应该熟练使用调试器来决定下一步如

何去做。（稍后将深入讨论调试器）。

2. DLL 版本问题

一些安装程序在开始之前会检查现有的系统DLL。Wine 解决这一问题的方法是，创建假DLL 以满足安装程序的需要。不过，有一些安装程序会更进一步并深入检查DLL 以获得它们的版本。这对假的D LL 来说要求太高了，会导致安装失败。

3. DLL 加载次序

Wine 有对很多Windows DLL 的实现，而且如果可用，它还可以使用原始的Windows DLL。如果两种DLL 都可用，好像显然应该选择总是使用Windows 自己的DLL，但实际上Windows DLL 有时会包含不能被满足的依赖。要确定是更应该使用Wine 的DLL 还是应该使用本机DLL，惟一的方法是，基于各个应用程序反复进行试验。

4. DLL 中的函数

当一个Wine DLL 没有实现Windows 中相应的DLL 的全部功能时，应用程序可能会遭遇函数调用失败。由于DLL 是动态加载的，可能没有办法事先知道会发生这样的事情。这是一个复杂的问题，有一些可做的工作，但最终实际来说它只是取决于应用程序的代码如何编写。

有一些因素会减轻这些问题。一方面，您将会一个一个地遇到这些问题，而不是一次遇到全部问题，这样处理起来要容易些。另外，您遇到的那些问题可能其他人曾遇到过并已经解决（而且解决方案已经公布出来）。Wine 用户组非常活跃，会提供许多帮助，每周一次的Wine 时事通讯（参阅参考资料）是极好的信息资源。

Wine 中还没有实现的Win32 API

在Wine 中，很多Win32 API5 的函数是残缺不全的。最常见的原因是，相当多的Win32 API 并没有被文档化。这就意味着一个特别的应用程序可能会调用某个函数，而完全没有关于此函数的可用资料。例如，我们在运行一个简单的RPC 程序时发现了RtlAnsiCharToUnicodeChar 这个函数。在MSDN 上的搜索结果显示没有关于这个函数的资料，而且没有关于所有RtlXXXX 类别函数的资料。因此，如果它们在Wine 中的实现对一些应用程序来说至关重要，那么人们可能只有去猜测它们的行为了。

数据挖掘_Dataset of Amtrak procurement providers(特拉克采购供应商数据集)

Dataset of Amtrak procurement providers(特拉克采购供应商数据集) 数据摘要： This data set is about list of vendors of services and products to AMTRAK. Amtrak is goverment owned providing passenger train services in United States. 中文关键词：计算机科学,商业,特拉克,采购供应商,美国, 英文关键词： Computer science,Business,Amtrak,Procurement providers,USA, 数据格式： TEXT 数据用途： The data can be used for data mining and analysis.

数据详细介绍： Dataset of Amtrak procurement providers ?Abstract This data set is about list of vendors of services and products to AMTRAK. Amtrak is government owned providing passenger train services in United States. ?Data Description Columns: ID, COMPANY, ADDRESS 1, ADDRESS 2, CITY, STATE, ZIPCODE, CORE COMPETENCY, NATURE of BUSINESS, CONTACT NAME, TITLE, PHONE, FAX, EMAIL, WEBSITE, FEDERAL TAX ID, DUNS NO., OWNERSHIP MINORITY Database Number of rows: 879, of Businesses in the Amtrak Procurement Directory Data raw sample 1 1st JMG & Associates LLC 12006 Brandywine Road Clinton MD 20735 Information Technology Information Technology management Consulting; Service and Acquisition Support J. Milton Goodman President/ CEO 301-782-7340 301-782-7341 mgoodman@https://www.wendangku.net/doc/9710327583.html, https://www.wendangku.net/doc/9710327583.html, 90-0114848 Black American Male 2 2IM Group LLC 118 N. Clinton Ave. Suite 440 Chicago IL 60661 Civil Engineering Civil engineering design; roadway; parking lot; drainage design; sustainable damage Luis Montgomery President 312-441-9554; ext. 1 312-441-9558 luis.m@https://www.wendangku.net/doc/9710327583.html, https://www.wendangku.net/doc/9710327583.html, 42-1679389 Hispanic Male 3 4 Connectivity Inc. 8945 Ridge Ave. Suite 10 Philadelphia PA 19128 Information Technology Professional consulting services in enterprise integration architecture; services oriented architecture; project management and software development Nancy Krystkiewicz President 215-469-2223 clientservices@https://www.wendangku.net/doc/9710327583.html, https://www.wendangku.net/doc/9710327583.html, 27-0278512 832923184 Female 4 503 Corporation 5019 Mulberry Street Philadelphia PA 19124 Security Systems Security Systems Installation and Distribution Raymond A Yabor President 215-535-3100 215-535-3106 info@https://www.wendangku.net/doc/9710327583.html,

微信使用教程

微信使用教程标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]

点击进入微信页面下方有：微信，通讯录，发现，我目前的版本是，点击哪个，哪个就变成绿色。下面介绍这四个功能的运用： 1、微信：（1）和您有关联的朋友都在这个页面上，如果想和谁发信息，就点击那个人。比如说：点击了“一号首长”，进入以下页面（2）点击进去后，有两种方式联系，一种是语音一种是文字，建议用语音方便。语音怎么用呢看下面的手绘说明图：按照此手绘图就可以发语音了。按住：“按住说话”开始讲话，讲完后松开手就将自己的话发出去了。讲完要松手注意：如果时间太短是不行的，所以多说几句。经过等待，对方回复了语音，怎么听呢看下图（3）如果有人给您发了语音信息，点击那个人发来的就可以了。（4）关于发照片：点击“+”符号，出现“照片、拍摄、位置。。。。。。”

点击“照片”会出现以下选择：点击“照片”，会有两个选项：拍摄、从相册选择拍摄：选择“拍摄”后，会可以拍摄了，拍摄完成后，如下：如果拍摄满意，按“使用照片”就发送出去了。如果不满意，按“重拍”，重新拍摄满意后按“使用照片” 以上就完成了照片发送。如果选择“从相册选择”，会出现如下界面“ 点击您想发送的照片,比如说最后一张，会出现以下界面：选取的照片的对勾会变成绿色，可以多选数张，然后按右下角的“发送”就可以了 2,、通信录与您的通讯录里的内容是一样的，可以用于您添加其他朋友，建议您让别人加您，您通过就行了。您的微信号就是您的手机号，您把自己的手机号告诉朋友，他们就可以在微信里找到您，您通过认证就可以了。比如点击“通讯录”后，进入以下页面：如果在第一个“新的朋友”这个位置有红色的数字，说明有人要与您互通微信，如果有“1”，说明有一个朋友要加您，如果“2”就是俩个人，如此类推。如果有数字显示，您点击“新的朋友”，会出现如下界面：

机器学习_Wine Data Set(酒数据集)

Wine Data Set(酒数据集) 数据摘要： Using chemical analysis determine the origin of wines 中文关键词：多变量,分类,酒,UCI, 英文关键词： Multivariate,Classification,Wine,UCI, 数据格式： TEXT 数据用途： This data is used for classfication. 数据详细介绍： Wine Data Set

Source: Original Owners: Forina, M. et al, PARVUS - An Extendible Package for Data Exploration, Classification and Correlation. Institute of Pharmaceutical and Food Analysis and Technologies, Via Brigata Salerno, 16147 Genoa, Italy. Donor: Stefan Aeberhard, email: stefan '@' https://www.wendangku.net/doc/9710327583.html,.au Data Set Information: These data are the results of a chemical analysis of wines grown in the same region in Italy but derived from three different cultivars. The analysis determined the quantities of 13 constituents found in each of the three types of wines. I think that the initial data set had around 30 variables, but for some reason I only have the 13 dimensional version. I had a list of what the 30 or so variables were, but a.) I lost it, and b.), I would not know which 13 variables are included in the set. The attributes are (dontated by Riccardo Leardi, riclea '@' anchem.unige.it ) 1) Alcohol 2) Malic acid 3) Ash 4) Alcalinity of ash 5) Magnesium 6) Total phenols 7) Flavanoids 8) Nonflavanoid phenols 9) Proanthocyanins 10)Color intensity 11)Hue 12)OD280/OD315 of diluted wines 13)Proline In a classification context, this is a well posed problem with "well behaved" class structures. A good data set for first testing of a new classifier, but not very challenging.

高斯混合模型实现——【机器学习与算法分析精品资源池】

实验算法高斯混合模型实验【实验名称】高斯混合模型实验【实验要求】掌握高斯混合模型应用过程，根据模型要求进行数据预处理，建模，评价与应用；【背景描述】高斯混合模型（Gaussian Mixed Model）指的是多个高斯分布函数的线性组合，理论上GMM 可以拟合出任意类型的分布，通常用于解决同一集合下的数据包含多个不同的分布的情况。属于无监督机器学习，用于对结构化数据进行聚类。【知识准备】了解高斯混合模型的使用场景，数据标准。了解Python/Spark数据处理一般方法。了解spark 模型调用，训练以及应用方法【实验设备】 Windows或Linux操作系统的计算机。部署Spark，Python，本实验提供centos6.8环境。【实验说明】采用UCI机器学习库中的wine数据集作为算法数据，除去原来的类别号，把数据看做没有类别的样本，训练混合高斯模型，对样本进行聚类。【实验环境】 Spark 2.3.1，Pyrhon3.X，实验在命令行pyspark中进行，或者把代码写在py脚本，由于本次为实验，以学习模型为主，所以在命令行中逐步执行代码，以便更加清晰地了解整个建模流程。【实验步骤】第一步：启动pyspark： 1

命令行中键入pyspark --master local[4],本地模式启动spark与python：第二步：导入用到的包，并读取数据： (1).导入所需的包 from pyspark import SparkContext, SQLContext, SparkConf from math import sqrt from pyspark.sql.functions import monotonically_increasing_id (2).读取数据源 df_wine = sc.textFile(u"file:/opt/algorithm/gaussianMixture/wine.txt").map( lambda x: str(x).split(",")).map(lambda x: [float(z) for z in x]) (3).数据转换为Data df_wine_rdd = sqlContext.createDataFrame(df_wine) (4).数据展示 df_wine_rdd.show() 1

BP神经网络实验——【机器学习与算法分析精品资源池】

实验算法BP神经网络实验【实验名称】 BP神经网络实验【实验要求】掌握BP神经网络模型应用过程，根据模型要求进行数据预处理，建模，评价与应用；【背景描述】神经网络：是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。其基本组成单元是感知器神经元。【知识准备】了解BP神经网络模型的使用场景，数据标准。掌握Python/TensorFlow数据处理一般方法。了解keras神经网络模型搭建，训练以及应用方法【实验设备】 Windows或Linux操作系统的计算机。部署TensorFlow，Python。本实验提供centos6.8环境。【实验说明】采用UCI机器学习库中的wine数据集作为算法数据，把数据集随机划分为训练集和测试集，分别对模型进行训练和测试。【实验环境】 Pyrhon3.X，实验在命令行python中进行，或者把代码写在py脚本，由于本次为实验，以学习模型为主，所以在命令行中逐步执行代码，以便更加清晰地了解整个建模流程。【实验步骤】第一步：启动python： 1

命令行中键入python。第二步：导入用到的包，并读取数据： (1).导入所需第三方包 import pandas as pd import numpy as np from keras.models import Sequential from https://www.wendangku.net/doc/9710327583.html,yers import Dense import keras (2).导入数据源,数据源地址:/opt/algorithm/BPNet/wine.txt df_wine = pd.read_csv("/opt/algorithm/BPNet/wine.txt", header=None).sample(frac=1) (3).查看数据 df_wine.head() 1

安卓系统手机使用技巧锦集

安卓系统手机使用技巧锦集首次分享者：i四叶村已被分享1次评论(0)复制链接分享转载举报一，快速查看手机充电情况方法1：通过待机屏幕查看，众所周知Android系统设计了自动锁屏功能，当手机处于一段时间不使用的情况下就会自动熄灭背景灯，如果需要激活的话就需要按下手机的Menu键两次，但是当按下第一次之后会显示出待机界面，里面就会显示目前的手机电池充电情况。方法2：在Android系统中的AboutPhone选项中的“Status”选项，里面能够看到BatteryLevel的选项，这就是当前手机的充电情况显示。方法3：通过第三方软件查看，由于Android系统中并没有专门的这类软件，所以如果想要详细的查看目前手机充电情况的话就是用一款第三方的电池查看软件吧二，教你设置输入密码不可见用过某些需要登录的应用程序的朋友相信都知道在输入账户密码默认情况下是显示出来已经输入的密码，为了安全起见都不想旁边的人看到自己的密码，那么怎样才能设置Android 手机不可见已经输入的密码呢?教你设置输入密码不显示。关于密码的设置当然是在SecurityLocation中了，所以我们先在主屏界面上按下Menu菜单键，在弹出的进阶菜单中选择最后一项“Settings”；进入设置菜单后将滚动条向下滑动，找到“SecurityLocation”的分类，点击进入；在安全性和位置分类菜单中找到Passwords分类，其中将“Visiblepasswords”选项后面的勾去掉即可。三，Market下载失败解决办法其实这样的问题在国外根本不存在，仅仅是在国内的朋友才会遇到这样的问题，这是因为貌似是国内将Google服务器屏蔽掉了，因此我们如果需要诸如YOUTUBE这样的服务时，只能“翻*墙”了。设置静态IP的方法就能为各位网友解忧，该方法是Android123独创，配合了Google最新的服务，经过数十台Android手机均可以正常下载程序。首先我们依次点选“Settings——wirelesscontrals——WIFISettings——Menu——Adbanced”勾选USEStaticIP这一项，并将DNS1设置为8.8.8.8,DNS2设置为8.8.4.4即可。没错，上面讲到的方法正是利用了Google最新的DNS服务，填入之后其他不需要设置即可。四，Droid铃声设置另类方法我们在其他Android手机设置铃声的时候，一般采用的方法都是使用第三方软件（如TongPicker）设置，这样的设置方法有些繁琐，必须在相应的设置箱内启动该程序才能设置，Android123这次为你带来了使用自带铃声库的选择的方法。这个方法简单的来讲就是在内置的TF卡中设置相对应的文件夹，该文件夹必须按照规定的名称设置，否则系统不会认出来。我们可以通过这样的设置来电铃声、短信铃声、闹铃和系统提示音的声音。首先我们要在TF卡根目录中设立一个名为media的文件夹，在该文件夹中设置audio的文件夹，再在audio文件夹中设置其他相应的文件夹。其中放置短信铃声的文件夹名称为notifications，放置闹铃铃声的文件夹为alarms，放置来电铃声的文件夹为ringtones，而系统提示音的文件夹名称为ui。

安卓手机变成电脑摄像头--_droidcam使用教程

安卓手机变成电脑摄像头--droidcam使用教程随着网络的普及，视频聊天很是必要哪天临时需要视频，手头又没有准备摄像头，我们一般就只能放弃了其实我们手头500W像素以上的手机比比皆是，难道手机摄像头就无其他用武之地了么？有些朋友可能会通过手机QQ和对方视频，那效果，不敢恭维。为何不用我们的手机充当电脑摄像头呢？下面介绍一下本人亲测成功的两款软件usbwencam和droidcam。两者均支持手机变成网络摄像头。前者比较卡（此贴忽略不谈），后者很流畅--推荐下面简单讲讲droidcam的安装和操作（理论上安卓系统手机通用）：有三种连接方式数据线，蓝牙，wifi，上面的网站上有非常明确的连接步骤，我测试了wifi和数据线，效果都非常不错.蓝牙没有适配器，无法尝试 A. 1.先将USB连接首先要懂得如何运行ADB，这边具体ADB的使用不想多说， 2.安装方法,电脑上需要安装ADB客户端.客户端在附件中，解压缩后，把adb客户端里面的文件放到系统盘的windows/system32文件夹里就可以了， 3.手机上要把USB调试模式打开. 如果手机提示没有ADB驱动，附件也有包含，可以选择安装。win7系统下电脑会自动搜

索adb的驱动。 4.然后电脑运行里输入命令adb forward tcp:4747tcp:4747，应该会出现一段提示，提示成功结束后， 5.打开droidcam手机客户端 6.打开电脑客户端（开始-所有程序-droidcam）

选adb连接，点连接，就ok了，现在测试下你的qq视频，视频设备选droidcam，就OK了

K-means聚类实验

实验算法K-means聚类实验【实验名称】 K-means聚类实验【实验要求】掌握K-means模型应用过程，根据模型要求进行数据预处理，建模，评价与应用；【背景描述】聚类算法是一种典型的无监督学习算法，在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。【知识准备】了解K-means模型的使用场景，数据标准。了解Python/Spark数据处理一般方法。了解spark 模型调用，训练以及应用方法【实验设备】 Windows或Linux操作系统的计算机。部署Spark，Python，本实验提供centos6.8环境。【实验说明】采用UCI机器学习库中的wine数据集作为算法数据，除去原来的类别号，把数据看做没有类别的样本，训练K-means模型，对样本进行聚类。【实验环境】 Spark 2.3.1，Pyrhon3.X，实验在命令行pyspark中进行，或者把代码写在py脚本，由于本次为实验，以学习模型为主，所以在命令行中逐步执行代码，以便更加清晰地了解整个建模流程。

【实验步骤】第一步：启动pyspark：命令行中键入pyspark --master local[4],本地模式启动spark与python：第二步：导入用到的包，并读取数据： (1).导入所需的包 from pyspark import SparkContext, SQLContext, SparkConf from math import sqrt (2).读取数据源,数据源地址为:/opt/algorithm/kmeans/wine.txt df_wine = sc.textFile(u"file:/opt/algorithm/kmeans/wine.txt").map( lambda x: str(x).split(",")).map(lambda x: [float(z) for z in x]) (3).数据转换为DataFrame df_wine_rdd = sqlContext.createDataFrame(df_wine)

安卓智能机使用教程

品质为先，诚信为本，我们是品诚科技。我们致力于为刚接触安卓智能手机的朋友们提供一个良好的使用向导。目录： 1.手机基本设置、操作---------------------------------------------- 第2~3页 2.将手机作为移动存储设备连接到电脑上--------------------------- 第 3~4页 3.安装豌豆荚手机精灵并连接电脑---------------------------------- 第4~6页 4.使用豌豆荚手机精灵安装、卸载apk应用程序到手机------------- 第6~8页 5.使用豌豆荚手机精灵备管理手机内联系人、短信、图片等--------- 第 9 页 6.手机端下载、安装apk应用程序---------------------------------- 第 10 页 7.手机端卸载应用程序---------------------------------------------- 第 11 页 8.手机端查看内存卡内容-------------------------------------------- 第11~12页

1.手机基本设置、操作 a.添加桌面快捷方式： i.点击菜单列表中间那个很多方格的按钮。 ii.手指点住其中一个程序图标2秒后不放手，待图标变大不要放手，自动切换回桌面，松开手指即可添加快捷方式。 b.删除桌面快捷方式： i.手指点住桌面其中一个图标2秒后不放手，看到屏幕下方出现一个垃圾桶，拖拉图标到垃圾桶，图标变成红色，松开手指即可删除该快捷方式。 c.移动桌面图标： i.手指点住桌面其中一个图标2秒后不放手，把图标移动到左/ 右屏幕边缘，稍微等1到2秒，屏幕会自动跳转到下一个菜单。 d.开启WiFi无线网络： i.打开‘设置’ -> ‘无线和网络’-> ‘WLAN’打上勾->‘WLAN设置’

安卓版微信使用教程

安卓版微信使用教程丰富的找朋友方法微信可以说是当下最火的移动社交软件，在今年的1月份，腾讯就宣布微信用户已经突破了3亿大关，所以如果你还没有开始玩微信，那就赶快去申请一个吧。今天我们也将向大家介绍一下微信的基本功能以及使用方法。点击下载微信微信丰富的找朋友方法既然是一款社交软件，我们首先要做的就是找到志趣相投或是有缘分的好友，为此微信提供了非常丰富的找朋友功能。在“朋友们”中我们可以看到一个“添加朋友”的选项，点击进入就能看到多种找有方式。如果你已经知道对方的微信号、QQ号或者是手机号，那么就可以直接输入号码添加好友。当然如果你想批量将好友加入联系列表，则可以使用“从QQ好友列表添加”和“从手机通讯录列表添加”，这样你的QQ好友和手机通讯录中的开通了微信的好友就能加进来了。

添加朋友

为了更广泛的交友，微信还准备了“附近的人”和“摇一摇”功能，前者可以搜索到你附近正在使用微信的人，后者则是与你一同摇晃手机的微信用户，如果你觉得这些有缘人很有意思，也可以申请加他们为好友。

附近的人和摇一摇作为一款最好用的移动聊天软件，微信找朋友的功能应该是最多的，所以只要大家学会使用，不管是老朋友还是新朋友，都能成为好朋友。强大的聊天功能强大的聊天功能既然是聊天工具，那么聊天功能也是非常重要的一环。我们只要选择好一个聊天对象就可以马上开始聊天了，步骤非常简单。在聊天过程中，我们除了可以发送最基本的文字信息，还可以发送表情、图片、视频、地理位置和名片，多媒体的互动非常丰富。按住话筒还能直接语音聊天。

多媒体传输和语音聊天值得一提是微信还支持视频聊天功能。在与好友聊天时，在“+”号里就能找到视频通话的选项，点开它就可以进行视频聊天了。

聚类算法分析报告汇总

嵌入式方向工程设计实验报告学院班级：130712 学生学号：13071219 学生姓名：杨阳同作者：无实验日期：2010年12月

聚类算法分析研究 1 实验环境以及所用到的主要软件 Windows Vista NetBeans6.5.1 Weka3.6 MATLAB R2009a 2 实验内容描述聚类是对数据对象进行划分的一种过程，与分类不同的是，它所划分的类是未知的，故此，这是一个“无指导的学习” 过程，它倾向于数据的自然划分。其中聚类算法常见的有基于层次方法、基于划分方法、基于密度以及网格等方法。本文中对近年来聚类算法的研究现状与新进展进行归纳总结。一方面对近年来提出的较有代表性的聚类算法，从算法思想。关键技术和优缺点等方面进行分析概括；另一方面选择一些典型的聚类算法和一些知名的数据集，主要从正确率和运行效率两个方面进行模拟实验，并分别就同一种聚类算法、不同的数据集以及同一个数据集、不同的聚类算法的聚类情况进行对比分析。最后通过综合上述两方面信息给出聚类分析的研究热点、难点、不足和有待解决的一些问题等。实验中主要选择了K 均值聚类算法、FCM 模糊聚类算法并以UCI Machine Learning Repository 网站下载的IRIS 和WINE 数据集为基础通过MATLAB 实现对上述算法的实验测试。然后以WINE 数据集在学习了解Weka 软件接口方面的基础后作聚类分析，使用最常见的K 均值（即K-means ）聚类算法和FCM 模糊聚类算法。下面简单描述一下K 均值聚类的步骤。 K 均值算法首先随机的指定K 个类中心。然后：（1）将每个实例分配到距它最近的类中心，得到K 个类；（2）计分别计算各类中所有实例的均值，把它们作为各类新的类中心。重复（1）和（2），直到K 个类中心的位置都固定，类的分配也固定。在实验过程中通过利用Weka 软件中提供的simpleKmeans （也就是K 均值聚类算法对WINE 数据集进行聚类分析，更深刻的理解k 均值算法，并通过对实验结果进行观察分析，找出实验中所存在的问题。然后再在学习了解Weka 软件接口方面的基础上对Weka 软件进行一定的扩展以加入新的聚类算法来实现基于Weka 平台的聚类分析。 3 实验过程 3.1 K 均值聚类算法 3.1.1 K 均值聚类算法理论 K 均值算法是一种硬划分方法，简单流行但其也存在一些问题诸如其划分结果并不一定完全可信。K 均值算法的划分理论基础是 2 1 min i c k i k A i x v ∈=-∑∑ （1）其中c 是划分的聚类数，i A 是已经属于第i 类的数据集i v 是相应的点到第i 类的平均距离，即

1.Python数据分析预处理实训

Python数据分析与处理实训数据集说明一、开始了解你的数据探索Chipotle快餐数据 1.将数据集存入一个名为chipo的数据框内 2.查看前10行内容 3.数据集中有多少个列(columns)？ 4.打印出全部的列名称 5.数据集的索引是怎样的？ 6.被下单数最多商品(item)是什么? 7.在item_name这一列中，一共有多少种商品被下单？ 8.一共有多少个商品被下单？ 9.将item_price转换为浮点数 10.在该数据集对应的时期内，收入(revenue)是多少？ 11.在该数据集对应的时期内，一共有多少订单？ 12.每一单(order)对应的平均总价是多少？

二、数据过滤与排序探索2012欧洲杯数据 1.将数据集存入一个名为euro12的数据框内。 2.只选取Goals这一列。 3.有多少球队参与了2012欧洲杯？ 4.该数据集中一共有多少列(columns)? 5.将数据集中的列Team, Yellow Cards和Red Cards单独存为一个名叫discipline的数据框。 6.对数据框discipline按照先Red Cards再Yellow Cards进行排序。 7.计算每个球队拿到的黄牌数的平均值。 8.找到进球数Goals超过6的球队数据。 9.选取以字母G开头的球队数据。 10.选取前7列。 11.选取除了最后3列之外的全部列。 12.找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)。三、数据分组探索酒类消费数据 1.将数据框命名为drinks 2.哪个大陆(continent)平均消耗的啤酒(beer)更多？ 3.打印出每个大陆(continent)的红酒消耗(wine_servings)的描述性统计值。 4.打印出每个大陆每种酒类别的消耗平均值。 5.打印出每个大陆每种酒类别的消耗中位数。 6.打印出每个大陆对spirit_servings饮品消耗的平均值，最大值和最小值。

微信公众平台使用教程及推广方案

微信公众平台详细教程微信刷粉丝基本上等于作茧自缚，因为它不同于微博可以做给外人看。就目前来说外人是暂时无法了解你的微信实力的。及时是互粉，对你未来的微信营销都是毫无意义的，如果互粉的目的只是为了获得第二阶梯（即超过1000认证），可以尝试互粉。微信未来的营销是投递式，不同于微博的广布式，所以微信更需要真实的粉丝，产生真实的反馈。因此注册完三个微信公众号后，我们进行了微信号受众的初定位，然后针对定位精准人群去传播二维码，然后做了以下四步，收效最高的三天过万收听。如何设置微信公众号助手？您可以在设置里面绑定一个私人微信号，利用微信公众号助手群发消息，随时查看消息群发状态。请您在手机微信中添加mphelper为好友才能使用微信公众号助手。温馨提示：绑定的私人帐号可通过QQ号码注册或手机号码注册的微信号码。

手机添加方式：

公众平台如何设置自定义回复？微信公众号自定义回复的操作步骤登录微信公众平台=》设置=》自定义回复=》添加规则，即可添加相应的自定义回复信息，每个回复您信息的微信用户回复时匹配相关内容就会自动回复相应的信息。注：自定义回复字数上限为300个字，自定义回复的条数：认证与非认证用户上限为200条。

手机微信中效果：公众平台如何设置用户消息回复？在微信公众平台设置用户消息回复后，会在粉丝给您发送微信消息时，会自动回复您设置的文字/语言/图片/录音给粉丝。设置方法：通过在微信公众平台=》设置=》用户消息回复，可设置的文字/语言/图片/录音为用户消息回复。

注：一个小时内只可自动回复一条消息。手机微信中效果：公众平台如何设置被添加自动回复？在微信公众平台设置被添加自动回复后，微信用户在添加您的公众号时，会自动发送您设置的文字/语言/图片/录音给订阅用户。设置方法：通过在微信公众平台=》设置=》被添加自动回复，可设置的文字/语言/图片/录音为被添加自动回复内容。

安卓系统操作合集

使用技巧锦集之安卓系统（收集整理）一，快速查看手机充电情况方法1：通过待机屏幕查看，众所周知Android系统设计了自动锁屏功能，当手机处于一段时间不使用的情况下就会自动熄灭背景灯，如果需要激活的话就需要按下手机的Menu键两次，但是当按下第一次之后会显示出待机界面，里面就会显示目前的手机电池充电情况。方法2：在Android系统中的About Phone选项中的“Status”选项，里面能够看到Battery Level的选项，这就是当前手机的充电情况显示。方法3：通过第三方软件查看，由于Android系统中并没有专门的这类软件，所以如果想要详细的查看目前手机充电情况的话就是用一款第三方的电池查看软件吧二，教你设置输入密码不可见用过某些需要登录的应用程序的朋友相信都知道在输入账户密码默认情况下是显示出来已经输入的密码，为了安全起见都不想旁边的人看到自己的密码，那么怎样才能设置Android手机不可见已经输入的密码呢?教你设置输入密码不显示。关于密码的设置当然是在Securitylocetion中了，所以我们先在主屏界面上按下Menu菜单键，在弹出的进阶菜单中选择最后一项“Settings”；进入设置菜单后将滚动条向下滑动，找到“Securitylocetion”的分类，点击进入；在安全性和位置分类菜单中找到Passwords分类，其中将“Visible passwords”选项后面的勾去掉即可。三，Market下载失败解决办法其实这样的问题在国外根本不存在，仅仅是在国内的朋友才会遇到这样的问题，这是因为貌似是国内将Google服务器屏蔽掉了，因此我们如果需要诸如YOUTUBE这样的服务时，只能“翻*墙”了。设置静态IP的方法就能为各位网友解忧，该方法是Android123独创，配合了Google最新的服务，经过数十台Android手机均可以正常下载程序。首先我们依次点选“Settings——wireless contrals——WIFI Settings——Menu——Adbanced”勾选USE Static IP这一项，并将DNS1设置为8.8.8.8,DNS2设置为8.8.4.4即可。没错，上面讲到的方法正是利用了Google最新的DNS服务，填入之后其他不需要设置即可。四，Droid铃声设置另类方法我们在其他Android手机设置铃声的时候，一般采用的方法都是使用第三方软件（如Tong Picker）设置，这样的设置方法有些繁琐，必须在相应的设置箱内启动该程序才能设置，Android123这次为你带来了使用自带铃声库的选择的方法。这个方法简单的来讲就是在内置的TF卡中设置相对应的文件夹，该文件夹必须按照规定的名称设置，否则系统不会认出来。我们可以通过这样的设置来电铃声、短信铃声、闹铃和系统提示音的声音。首先我们要在TF卡根目录中设立一个名为media的文件夹，在该文件夹中设置audio的文件夹，再在

数据挖掘实验2

实验二：决策树要求：实现决策树分类算法,在两种不同的数据集上(iris.txt 和wine.txt)比较算法的性能。有趣的故事介绍一下决策树。[白话决策树模型](https://www.wendangku.net/doc/9710327583.html,/shujuwajue/2441.html) 首先第一个数据集iris.txt。 iris数据集记录的是鸢尾植物。Scikit-learn自带了iris数据集。其中iris.data记录的就是它的四个属性：萼片/花瓣的长和宽。一个150*4的矩阵。 Iris.target就是每一行对应的鸢尾植物的种类，一共有三种。测试结果：可以看到，本算法的性能大约是，准确率为0.673333333333。附录-Python代码： import sys from math import log import operator from numpy import mean def get_labels(train_file): ''' 返回所有数据集labels(列表) ''' labels = [] for index,line in enumerate(open(train_file,'rU').readlines()): label = line.strip().split(',')[-1] labels.append(label) return labels

def format_data(dataset_file): ''' 返回dataset(列表集合)和features(列表) ''' dataset = [] for index,line in enumerate(open(dataset_file,'rU').readlines()): line = line.strip() fea_and_label = line.split(',') dataset.append([float(fea_and_label[i]) for i in range(len(fea_and_label)-1)]+[fea_and_label[len(fea_and_label)-1]]) #features = [dataset[0][i] for i in range(len(dataset[0])-1)] #sepal length（花萼长度）、sepal width（花萼宽度）、petal length（花瓣长度）、petal width（花瓣宽度） features = ['sepal_length','sepal_width','petal_length','petal_width'] return dataset,features def split_dataset(dataset,feature_index,labels): ''' 按指定feature划分数据集，返回四个列表: @dataset_less:指定特征项的属性值＜=该特征项平均值的子数据集 @dataset_greater:指定特征项的属性值＞该特征项平均值的子数据集 @label_less:按指定特征项的属性值＜=该特征项平均值切割后子标签集 @label_greater:按指定特征项的属性值＞该特征项平均值切割后子标签集 ''' dataset_less = [] dataset_greater = [] label_less = [] label_greater = [] datasets = [] for data in dataset: datasets.append(data[0:4]) mean_value = mean(datasets,axis = 0)[feature_index] #数据集在该特征项的所有取值的平均值 for data in dataset: if data[feature_index] > mean_value: dataset_greater.append(data) label_greater.append(data[-1]) else: dataset_less.append(data) label_less.append(data[-1]) return dataset_less,dataset_greater,label_less,label_greater def cal_entropy(dataset): ''' 计算数据集的熵大小 '''

数据挖掘实验

实验报告说明本课程一共需要写两个实验报告：实验报告一：基于人工神经网络的曲线拟合实验目的：首先，熟悉人工神经网络的产生背景、算法的思想和原理以及步骤；其次，熟悉人工神经网络的Matlab工具箱；最后，通过对曲线的拟合的实验，熟练掌握神经网络的程序设计。实验时间：第11周周二9-10节、第12周周二9-10节；学时：4 参考程序：实验数据集文件名：data.mat %% 清空环境变量 clc clear %% 训练数据预测数据提取及归一化 %下载输入输出数据 load data input output %input 是2000行2列，output是1行2000列 %从1到2000间随机排序 k=rand(1,2000); %随机生成一个1行2000列的矩阵 [m,n]=sort(k); %对矩阵K排序，其中m表示从小到大的排序结果，n表示m中各数据的排序前的索引（位置结果） %产生训练数据和预测数据 input_train=input(n(1:1900),:)'; %input_train为2行1900列的训练的输入矩阵 output_train=output(n(1:1900)); %output_train为1行1900列的训练的输出矩阵 input_test=input(n(1901:2000),:)'; output_test=output(n(1901:2000)); %选连样本输入输出数据归一化 [inputn,inputps]=mapminmax(input_train); % mapminmax是对矩阵的行进行归一化处理，其中inputn为归一化后的数据矩阵，inputps是归一化后的结构体，包含最大值、最小值、平均值等信息 [outputn,outputps]=mapminmax(output_train); %% BP网络训练 % %初始化网络结构 net=newff(inputn,outputn,5);