基于深度学习与特征融合的人脸识别算法

卷积神经网络在人脸识别研究上有较好的效果,但是其提取的人脸特征忽略了人脸的局部结构特征。针对此问题,文中提出一种基于深度学习与特征融合的人脸识别方法。该算法将局部二值模式信息与原图信息相结合作为SDFVGG网络的输入,使得提取的人脸特征更加丰富且更具表征能力。其中,SDFVGG网络是将VGG网络进行深浅特征相融合后的网络。在CAS-PEAL-R1人脸数据库上的实验表明,将网络深浅特征相融合与在卷积神经网络中加入LBP图像信息与原图信息相融合的特征信息对于提高人脸识别准确率非常有效,可得到优于传统算法和一般卷积神经网络的最高98.58%人脸识别率。     

钢纤维混凝土动态本构模型及其有限元方法

利用改进的BP神经网络,以钢纤雏混凝土的分离式霍普金森压杆试验数据为训练样本,建立了钢纤维混凝土的隐式动态本构模型。以显式动态有限元软件ABAQUS／Explicit为开发平台,采用FORTRAN语言编写了材料用户子程序VUMAT,将神经网络表达的材料动态本构模型嵌入到有限元计算中,实现了冲击荷载下钢纤维混凝土结构响应的数值模拟。算例显示,建立的本构模型和相应的有限元方法是有效的。     

层合壳体结构分析的有限单元法

研究层合壳体结构的有限单元解法。在单层壳体单元的基础上，提出用于分析层合壳体结构的一种新的高阶单元——8结点壳体曲面单元，并推导该单元的刚度矩阵。新单元的计算方法不改变壳体结构的一般假设条件，利用厚度方向分段积分来完成问题的求解，并对层合截锥壳进行计算。算例证明该方法是有效的，而且可以减小计算量，在理论上也更简洁，很适用于工程计算。     

基于信息熵下的结构强度与外载的广义可靠度

针对实际工程问题中存在着多种不确定因素的情况 ,为把模糊随机结构的广义可靠度问题能够利用较为成熟的随机结构的可靠度算法计算。本文提出利用信息熵理论对随机和模糊两个不同的集合之间建立映射关系 ,利用这种关系实现模糊集合到随机集合上的等效变换关系。首先定义了强度和载荷是模糊变量下高、中、低强度和载荷的隶属函数。然后分别建立外载为随机变量而强度是模糊变量、外载和强度均为模糊变量、以及结构状态为模糊情况下的广义可靠度表达式。最后给出了模糊随机结构系统下的广义可靠度表达式。     

随机有限元分析及其在复合材料中的应用

本文利用局部平均理论和随饥变量特征正交化方法给出了随机有限元分析的基本列式。应用本文提出的方法,分析了纤维分布具有微小随机性对复合材料位移场和应力场扰动的灵敏程度。     

疲劳短裂纹扩展中的混沌现象

在低周疲劳的短裂纹扩展中 ,利用非线性动力学理论 ,分析 Hobson的短裂纹扩展公式 [1 ] ,发现在一定条件下会出现分岔、混沌现象。计算机模拟试验显示 ,在混沌区域内 ,即使初始裂纹尺寸相差很小 ,在经过若干次的应力循环后 ,两者之间会相差很大。如果假设裂纹是以单裂纹穿晶形式扩展 ,发现参数在许多取值区间会发生分岔、混沌现象。由此可知 ,短裂纹扩展的分岔和混沌 ,是导致疲劳试验结果分散性大的原因之一。     

结构地震可靠度理论研究进展

较详细地介绍了地震危险分析、结构地震可靠度理论的发展和结构地震可靠度分析方法等 ,对几种主要分析方法作了较系统的分析和比较 ,并提出了目前研究中存在的问题 ,可供关心此方面进展的工程技术人员参考。     

基于多特征融合的人脸识别算法

针对局部二值模式描述子提取的纹理信息以及梯度幅值量化算子提取的边缘特征无法有效且全面地描述人脸信息的问题,文中提出一种基于马尔可夫稳态特征模型的多特征融合算法。首先,将通过GMQ算子提取的边缘特征以及通过LBP描述子提取的纹理特征分别与马尔可夫稳态特征模型进行融合,然后再将两者进行有效地线性加权融合。最后,在ORL数据集上进行的实验显示,文中提出算法的识别精度可达到 95.83%。与单一的特征提取算法以及常见的人脸识别算法对比结果表明了该方法的有效性。     

不确定结构非线性动力分析的增量随机有限元法

针对不确定性结构能力分析中采用线弹性假设的不足。本文提出了预测具有随机参数的非线性结构动力响应的一种数值方法－增量随机有限元方法，可以同时考虑结构参数的随机性和材料非线民生，算例表明，增量随机有限元法可以较地预测随机结构的非线性动力行为。