基于CNN和LSTM融合特征提取的车内声品质评价模型研究

基于深度学习方法建立的车内声品质评价模型不需要高度依赖声学理论和经验知识，可以有效提取深层次特征，客观高效地获得符合主观感受的评价结果。为获取噪声中符合人耳对声音感受的频率信息，便于在深度学习中进行特征提取，采用对数梅尔频谱和时频遮掩相结合的方法对采集到的噪声样本进行预处理。为有效提取车内噪声深层次特征，融合卷积神经网络 （Convolution Neural Network，CNN） 和长短时记忆网络 （Long Short-Term Memory Network，LSTM） 各自的优点，建立了融合特征提取层。使用全连接和Softmax输出单元组合构建了分类器模块。在合适的超参数下，模型通过充足的训练获得了96.88%的训练准确度。使用大量样本对模型进行验证，得到93.69%的验证准确度；采用混淆矩阵对模型进一步验证，总体的预测评价等级与真实评价等级偏差不大，证明模型的预测结果与主观评价结果具有很好的一致性。     

金华港推动多式联运高质量发展的对策研究

为充分利用金华港口岸线资源, 发挥公铁水联运优势, 本文分析了金华市当前运输发展现状, 对货源情况进行探讨, 结合工程建设情况对多式联运枢纽港进行选址分析, 并对金华港推动多式联运高质量发展开展对策研究。     

BEST项目实习生管理现状及应对策略

<正>1 BEST项目简介2012年，我校与宝马中国培训学院签订合作协议，成立了宝马校园BEST项目，旨在深化校企合作，提升我校毕业生的竞争力。BEST项目的生源为在校中专、高技、高职的毕业班学生，经过宝马宣传日、学生报名、理论测试、实操考试、经销商招聘会后确定学生人数。目前，我校开设的BEST项目课程种类有汽车机电课程、汽车非技术课程、