linux压缩解压

本文介绍了几种常用的文件压缩与解压方法,包括gzip、gunzip、bzip2、bunzip2及tar命令的使用。详细解释了这些工具的功能、基本语法及常用选项,如如何压缩单个文件、如何保留原始文件、如何处理多个文件和目录。
文件压缩解压

gzip:
    作用:压缩文件,只能是单个文件,不能是多个,也不能是目录
    格式:gzip file 
    说明:执行命令会生成file.gz,删除原来的file
    选项:-d 等价于gunzip
gunzip:
    作用:解压使用gzip压缩生成的文件
    格式:gunzip file.gz
    说明:解压file.gz文件,生成file,删除原来的file.gz
bzip2/bunzip2:
    说明:
        1、用法与gzip/gunzip相同,只是多了'-k'参数,压缩或解压后保留原文件
        2、使用bzip2压缩的文件后缀为bz2,而使用gzip压缩的文件后缀为gz
tar:
    说明:gzip/gunzip/bzip2/bunzip2命令指适应于单个文件,
        而tar则可以将多个文件或目录进行压缩打包
    选项:
        -c:压缩
        -x:解压
        -z:使用gzip
        -j:使用bzip2
        -f:指定处理文件
        -v:显示(压缩解压过程的)详细信息
        -C:指定解压后存放文件的目录
    实例:
        tar -zcvf 123.tar.gz 1 2 3
        使用gzip将 1 2 3压缩成123.tar.gz
        tar -zxvf 123.tar.gz [-C /tmp]
        使用gzip将123.tar.gz解压[至/tmp目录]
php初学者---千锋php课堂笔记
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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