基于Adaboost算法的车内噪声声品质预测

• 作者: 丁渭平 李人宪 杨明亮 黄晓蓉 黄海波
• 来源期刊: 汽车工程
• 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
• 年，卷（期）: 2016,（9）
• 页码范围: 1120-1125
• 页数: 6页
• 字数: 4536字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李人宪	西南交通大学机械工程学院	73	851	16.0	25.0
2	杨明亮	西南交通大学机械工程学院	50	229	9.0	12.0
3	丁渭平	西南交通大学机械工程学院	62	378	11.0	16.0
4	黄海波	西南交通大学机械工程学院	15	55	5.0	7.0
5	黄晓蓉	西南交通大学机械工程学院	12	31	3.0	5.0