降雨入渗对故宫城墙稳定性的影响

故宫城墙是由内芯土和外包砖砌体组成,是具有代表性的中国古城墙。降雨入渗是影响城墙稳定性,导致城墙外包砌体开裂和失稳坍塌的直接原因。为研究降雨入渗对城墙稳定性的影响,以故宫城墙为研究对象,采用ABAQUS软件建立其非线性有限元分析模型;通过考虑墙体材料的渗透系数、吸湿曲线和初始孔隙率,模拟8种不同降雨历时和降雨强度工况,对城墙外包砌体的位移、应力和应变沿路径的变化曲线进行对比分析;利用位移量判断滑动面的位置和趋势,采用强度折减法得到城墙的最小安全系数,从而分析城墙的力学性能和稳定性,为故宫城墙的安全评估和保护修缮提供依据。分析结果表明：降雨作用下,故宫城墙外包砌体两侧外边缘沿高度中部4~8m处、两侧底部0~1m处和顶部沿轴向左右偏离1.5~2.5m处的塑性应变和位移值较大,属于危险区域,应予以加固;降雨强度相同时,城墙水平位移随降雨时间的增长而增大;降雨历时相同时,城墙水平位移随降雨强度的增大而增大;相同降雨量下,短时强降雨容易因为排水不畅而导致内芯土吸水膨胀变形增大,从而造成城墙失稳破坏,城墙的安全系数更低。     

基于拓展稀疏表示模型和LC-KSVD的人脸识别

为了提高人脸的识别率和识别速度及其识别的鲁棒性,提出了基于拓展稀疏表示模型和LC-KSVD（Label Consist K-SVD）的人脸识别算法。针对字典学习中只包含表示能力没有包含类别信息的问题,在原始的稀疏表示模型中添加了残差向量作为系数修正向量,使得拓展稀疏表示模型具有更强的鲁棒性;在字典学习中添加稀疏编码和分类器参数约束项,通过字典学习同时更新稀疏编码和分类器参数,使字典中包含很好的表示能力和判别分类能力。实验结果表明,基于拓展稀疏表示模型和LC-KSVD的人脸识别具有高识别率和低识别速度,并且有很好的鲁棒性。     

基于改进字典学习算法的人脸识别

为了提高基于稀疏表示的人脸识别速度和对图像的噪声、遮挡、损坏的鲁棒性,提出了拓展的稀疏表示模型和D-KSVD(Discrimination K-SVD)的人脸识别算法。在原始的稀疏表示模型中添加了残差向量作为系数修正向量,使得拓展的稀疏表示模型具有更强的鲁棒性。针对字典学习中只包含表示能力没有包含类别信息的问题,在字典学习中添加了稀疏编码和分类器参数约束项,在字典学习的过程中同时更新稀疏编码和分类器参数,使字典中包含很好的表示能力和判别分类能力,用其稀疏编码系数进行人脸识别分类时能获得更好的识别性能。