论文部分内容阅读
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.