Linux下安装JDK和Tomcat

本文详细介绍了在Linux环境下安装JDK和Tomcat的步骤,包括解压缩、环境变量配置及启动过程,适合初学者快速上手。

Linux下安装JDK和Tomcat

第一步:解压缩jdk

首先将下载好的jdk存放到 /usr/local中
然后解压缩 tar -zxvf jdk*
删除原压缩包文件rm -f *gz

第二步:配置jdk环境变量

vim /etc/profile

进入文本模式后,在文本最后加入
JAVA_HOME=/usr/local/jdk1.8.0_144就是我们自己的子目录

#java environment
export JAVA_HOME=/usr/local/jdk1.8.0_144
export CLASSPATH=.:${JAVA_HOME}/jre/lib/rt.jar:${JAVA_HOME}/lib/dt.jar:${JAVA_HOME}/lib/tools.jar
export PATH=$PATH:${JAVA_HOME}/bin

按esc :wq保存退出 或 者按住shift+esc+两次z 直接保存退出
使刚刚配置的文件生效

source /etc/profile

输入java -version
出现如下信息代表生效
在这里插入图片描述

第三步:安装tomcat

1.首先将下载好的tomcat存放到 /usr/local

然后解压缩 tar -zxvf apa*
删除原压缩包文件rm -f *gz

2.进入tomcat安装目录里

cd /usr/local/apa*/bin

如果没有显示,则输入ls 查询列表

出现如下
在这里插入图片描述
启动:
输入 ./startup.sh
启动tomcat就行了

【电能质量扰动】基于MLDWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值