Centos7 el7.x86_64 官方离线安装包，安装指令为 sudo rpm -ivh ncurses-libs-5.9-14.20130511.el7_4.i686.rpm

cups-libs-1.6.3-35.el7.x86_64.rpm

libc.so.6(GLIBC_2.14)(64bit)

无监督异常检测库 可用算法： 神经网络 神经网络 LOF（以scikit-learn软件包提供） COF INFLO 环形 LOCI 阿罗西 克洛夫 微博 数码相机 CMGOS HBOS 前列腺癌 CMGOS 一类SVM（可在scikit-learn软件包中获得） @作者Iskandar Sitdikov

xorg-x11-libs-compat-6.8.2-1.EL.33.0.1.i386.rpm

为了探索利用激光诱导击穿光谱(LIBS)对水田污染区稻壳中铬(Cr)元素含量进行绿色、快速检测的可行性，采用LIBS结合联合区间偏最小二乘法(SiPLS)，对产自江西省某湖周边24个水田污染区稻壳样品中的Cr元素进行了定量分析。利用原子吸收光谱法(AAS)测得样品中Cr元素的真实浓度为32.51~510.33 μg/g，利用LIBS光谱获得的Cr元素三个特征谱线Cr I 425.43 nm、Cr I 427.48 nm和Cr I 428.97 nm清晰明显。对稻壳样品在422~446 nm波段的LIBS光谱数据进行九点平滑处理后，在采用SiPLS获得的最佳模型基础上，得出模型交叉验证均方根误差与预测均方根误差分别为26.1 μg/g和22.6 μg/g，训练集相关系数与预测集相关系数分别为0.9714和0.9840。对预测集样品进行相对误差及T检验分析，结果显示稻壳中Cr元素浓度的预测值与AAS法测量的真实值之间的平均相对误差为6.20%，且无显著性差异，表明模型具有较好的预测精度，可为自然条件下生长的农产品重金属安全绿色分析提供参考依据。

ubuntu14.04 x64 安装ia32-libs的脚本,测试时间2015.1.2

mysql-community-libs-compat-8.0.11-1.el7.x86_64.rpm

ncurses-libs-5.9-13.20130511.el7.x86_64.rpm

libs文件包含百度语音识别sdk等代码