Minimization of Classification Samples for Supercritical and Subcritical Patterns of Supersonic Inlet

为了调查，在超声的入口为 supercritical 和 subcritical 模式的分类取样最小化，三个优化方法，也就是在向最近的方法的对面，向超方法的最靠近的和随机的选择方法，为 supercritical 和超声的入口的 subcritical 模式在分类样品的最小化上为调查被建议。学习被执行了分析风隧道测试数据并且基于那些三个方法把分类精确性与或没有 priori 知识作比较。那些三个方法与由为样品的不同选择方法的对方不同。结果证明优化方法之一需要最小化样品没有 priori 知识，得到最高的分类精确性。同时，最小化样品的数字需要得到最高的分类精确性能被介绍 priori 知识进一步减少。而且，它证明最好的优化方法被把所有 cases studied 与或没有介绍 priori 知识作比较发现了。这个方法能被使用减少风隧道测试的数字获得入口表演并且为超声的入口识别 supercritical/subcritical 模式。