基于Adaboost算法的车内噪声声品质预测

摘要：

对匀速工况下车内噪声信号分别进行主观评价与客观参量计算,并对主、客观评价结果进行了相关分析.在此基础上,基于Adaboost算法并结合BP神经网络、极限学习机(ELM)和支持向量机(SVM)建立了声品质预测模型,并将其预测结果与经过遗传算法(GA)参数优化后的GA-BP,GA-ELM和GA-SVM预测模型进行了对比.结果表明:基于Adaboost算法的车内噪声声品质预测模型效果最优,提升了声品质预测的准确度.

关键词：车内噪声、声品质、Adaboost算法、BP神经网络、极限学习机、支持向量机

所属期刊栏目：38

分类号：X82;X12

资助基金：国家自然科学基金51475387;四川省教育厅自然科学重点项目16ZA0010

在线出版日期：2016-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1120-1125