RHEL 4.7 搭建yum 环境,使用yum 安装软件

本文介绍如何在Red Hat Enterprise Linux AS release 4.7中手动搭建YUM环境并安装软件。该系统默认未安装YUM,本文详细讲解了所需的软件包下载、安装顺序以及YUM源配置过程。

RHEL 4.7 搭建yum 环境,使用yum 安装软件

 

本文主要讲在 Red Hat Enterprise Linux AS release 4 .7 上搭建yum 环境来安装软件。默认这个系统里是没有安装yum 软件的,系统光盘里也没有,但需要额外安装才能使用。【RHEL 4.7 这个系统比较旧了,但为什么还要提及它呢?其实这个系统还是有非常多的人使用它的。所以在这里特意说一下】

 

工具/原料

软件:sqlite-3.3.6-2.i386.rpm  、python-urlgrabber-2.9.8-2.noarch.rpm

软件:python-sqlite-1.1.7-1.2.1.i386.rpm、python-elementtree-1.2.6-5.el4.centos.i386.rpm

软件:yum-2.4.2-0.4.el4.rf.noarch.rpm

 

方法/步骤

一、首先要下载软件包:

可以选择在系统里使用命令下载,或者在本地电脑下载再上传到服务器里。我这里选择在服务器里直接下载:

具体的下载地址,请后面参考资料

http://pkgs.repoforge.org/yum/yum-2.4.2-0.4.el4.rf.noarch.rpm

http://vault.centos.org/4.7/os/i386/CentOS/RPMS/python-elementtree-1.2.6-5.el4.centos.i386.rpm

http://vault.centos.org/4.7/os/i386/CentOS/RPMS/python-sqlite-1.1.7-1.2.1.i386.rpm

http://vault.centos.org/4.7/os/i386/CentOS/RPMS/sqlite-3.3.6-2.i386.rpm

http://vault.centos.org/4.7/os/i386/CentOS/RPMS/python-urlgrabber-2.9.8-2.noarch.rpm

二、安装软件包【有顺序】

rpm -ivh sqlite-3.3.6-2.i386.rpm

rpm -ivh python-urlgrabber-2.9.8-2.noarch.rpm

rpm -ivh python-sqlite-1.1.7-1.2.1.i386.rpm

rpm -ivh python-elementtree-1.2.6-5.el4.centos.i386.rpm

rpm -ivh yum-2.4.2-0.4.el4.rf.noarch.rpm

三、添加安装源

cat >> /etc/yum.repos.d/yum.repo << "EOF"

[base]

name=My yum

baseurl=http://vault.centos.org/4.7/os/i386/

enable=1

gpgcheck=0

EOF

四、此处yum 安装及配置完毕,就可以使用yum 来解决依赖关系安装软件了

yum install httpd 或者安装 其它的软件

 

 

参考资料

http://jingyan.baidu.com/article/fedf073778c63b35ac897785.html

 

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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