简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.
简介:目前各大汽车公司已经将车内噪声的控制作为了重要的研究内容进行研究,随着我国工业水平的快速发展,汽车制造行业也在不断的发展,汽车工业的发展已经将降低车内的噪声作为了重点需要解决的问题之一来对待。噪声频谱以及超声波检测在进行车内噪声控制方面有较为广泛的应用,本研究主要针对发动机后置客车车体后端的噪声传播的过程进行一系列的分析,将各项测试所得的数据进行细致的分析,这样能够指导汽车进行降噪材料的设计,然后将局部的结构进行更改和优化,最大限度的将车体后端的吸音以及隔音性能提高,减少车内的噪声。首先分析了车内噪声的主要来源以及具体的传播途径,其次分析了汽车后端噪声频谱的测试以及分析,对于各类降噪材料的对比测试以及改进进行了分析,最后分析了对于车体的密封性采用超声检测的方式进行检测。