Ubunut环境配置

本文详细介绍在Ubuntu系统中进行环境配置的过程,包括更新包、设置root密码、启用SSH登录、安装并配置JDK及Tomcat等关键步骤,为开发者提供全面的指南。

ubuntu

环境配置

更新包

apt-get update  			--更新
sudo passwd                 --更新root密码
vim /etc/ssh/sshd_config    -- 改成“PermitRootLogin yes”就可以了root的ssh登录
/etc/init.d/ssh restart     --重启ssh
apt-get install gedit       ---安装gedit

安装ssh服务

sudo apt-get install openssh-server

查看ssh服务

ps -e |grep ssh

ssh服务重启

service ssh start 

安装jdk

创建文件夹

mkdir /usr/lib/jdk

解压到创建的目录

tar -C  /usr/lib/jdk -zxf  /usr/lib/jdk

编辑/etc/profile --在末尾追加上下面的内容

vim /etc/profile   
export JAVA_HOME=/usr/lib/jdk
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

刷新环境配置

source /etc/profile

安装tomcat

创建文件夹

mkdir /usr/lib/tomcat

解压到创建的目录

tar -C  /usr/lib/tomcat -zxf  tomcat.tar.gz

配置管理员权限 – 添加如下内容

vim /opt/tomcat8/conf/tomcat-users.xml
<role rolename="manager-gui"/>
<role rolename="admin-gui"/>
<user username="root" password="123456" roles="manager-gui,admin-gui"/>
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
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