论文部分内容阅读
支持向量机是近几年发展起来的机器学习的新方法，它较好地解决了小样本、非线性、高维数、局部极小点等实际问题。选用典型的三明治结构并制备玻璃钢/吸声橡胶/玻璃钢夹层复合材料，通过改变吸声橡胶层的厚度，得到一系列夹层复合吸声材料试件，并在水声材料声脉冲管测试系统中测得试件的吸声系数和声压反射系数。在这些实验数据的基础上，利用最小二乘支持向量机（LS-SVM）研究了材料不同厚度和频率与其吸声和反射系数对应关系的建模，结果表明最小二乘支持向量机用于材料水声性能的预测建模是一种非常有效的方法。