二维饱和沉积盆地地震动响应非线性分析

沉积盆地对地震动具有明显的放大效应。利用ABAQUS软件及二次开发平台,编写了基于Davidenkov骨架曲线的VUMAT子程序,对饱和沉积盆地进行了非线性反应模拟。建立不同基岩面坡度的二维T型沉积盆地,输入4条不同频谱特性及幅值的近断层地震波,研究不同盆地基岩面坡度、饱和介质特性、地震波强度等因素对沉积盆地非线性反应规律的影响。研究结果表明,地震波作用可造成饱和沉积盆地发生局部液化,地震波强度越大,液化区分布范围越广,地表处出现了永久塑性变形;地震波强度的增大导致地表土层发生液化的时间提前,且下层土的液化会减弱地震波的传播速度,导致上层地表土发生液化的时间延后;盆地内地表最不利位置随着基岩面坡度的增大逐渐向中心处移动,不同工况下速度峰值放大系数为1.18~3.33。

基于双向二维直接线性判别分析的人脸表情识别

提出基于双向二维直接线性判别分析的人脸表情识别新算法。新算法从水平和垂直两个方向对图像矩阵执行直接线性判别分析,从二维图像中提取图像协方差矩阵,降低特征维数,减少表示图像时所需要的系数及其存储空间。另外,不使用奇异值分解方法,便可得到图像协方差矩阵的特征向量,能够精确地估计图像协方差矩阵。在JAFFE人脸表情数据库中的试验结果表明,所提算法具有较高的识别率。

基于子模式双向二维线性判别分析的人脸识别

针对表情和光照变化等对人脸识别影响的问题,提出一种基于子模式双向二维线性判别分析(Sub-pattern two-directional two-dimensional linear discriminant analysis,Sp-(2D)2 LDA)的人脸识别方法。该方法首先对原图像进行分块处理,并保持子块间的空间关系,然后对各个子训练样本集从行方向和列方向同时利用2DLDA进行特征抽取,最后把各个子特征矩阵拼接成一对应原始图像的特征矩阵,并采用最近邻分类器进行分类识别。在ORL及Yale人脸库上的试验结果表明,Sp-(2D)2 LDA有效降低了鉴别特征的维数,减少了表情和光照变化的影响,获得了较好的识别性能。

基于改进的双向二维线性判别分析的人脸识别

针对传统的二维线性判别方法提取出的人脸特征系数维数大的问题,提出一个改进的双向二维线性判别分析方法GB2DLDA。双向压缩类内和类间散布矩阵,用压缩后的散布矩阵构成两个Fisher鉴别准则函数,求出两个投影矩阵,然后人脸图像矩阵向投影矩阵投影,提取出特征系数。实验证明在相同识别率下,用此方法提取的特征系数维数明显少于其它二维线性判别分析方法。在选择合适的特征向量的情况下,此方法的识别率要好于其它二维线性判别分析方法。

一种自适应加权的双向二维线性鉴别分析算法

二维线性鉴别分析是一种直接基于矩阵的特征提取方法,有效地提高了特征提取速度且避免了小样本问题,但是提取的特征向量维数高,不利于后期分类,而且获得的最佳投影矩阵只是来自于图像的列信息.另外,不同的样本在求取最佳投影矩阵时,所起的作用是不一样的,因此提出了一种自适应加权的双向二维线性鉴别分析算法,即是对图像矩阵顺序地进行水平和垂直2个方向的二维线性鉴别分析,自适应加权处理则是使不同的样本带有不同的权值,以提高样本在低维线性空间中的可分性.在ORL和Yale人脸库上的实验结果表明,改进的算法在降低了原算法提取的特征向量维数的同时,较原二维线性鉴别分析的识别性能有了较明显的改善.

非线性吸附条件下填埋场污染物运移过程二维数值分析

假设填埋场下部为三层结构体系,且渗流场稳态,建立了污染物二维运移控制方程。在控制方程中分别考虑垃圾降解效应、压实黏土衬里的非线性吸附特性、滞水层与含水层的线性吸附特性及各向异性。采用数值分析方法对某一假想填埋场进行具体计算。通过变动参数计算与分析,计算结果表明:压实黏土衬里和滞水层的垂直弥散系数为污染物二维运移的敏感因素。仅考虑压实黏土衬里的非线性吸附特性下,复合参数Sl,m为污染物运移的敏感因素,当Sl,m取值较大时,污染物的水平向运移能力增强,而对吸附强度Kl,l不敏感。滞水层线性吸附对污染物运移影响显著而含水层吸附性影响较弱。

基于三维荧光光谱结合二维线性判别分析的油类识别方法的研究

油类污染严重威胁到自然环境及人类健康。因此,识别和处理油类污染非常重要。由于三维荧光光谱能够表征石油的荧光特征,故一般利用三维荧光光谱法检测溶液中存在的油类污染物。但油类的三维荧光光谱数据维度较高且直接分析的难度较大,因此可以利用数据降维方法提取原始油类样本的光谱特征,并利用所得到的光谱特征对样本进行识别。基于此,利用二维线性判别分析(2D-LDA)对油类样本进行特征提取,研究提取的不同样本光谱特征的差别,将得到的光谱特征作为K最近邻(KNN)分类的输入,得到相应的分类结果。首先,分别配制四种不同的油类(柴油、汽油、航空煤油、润滑油)样本各20个,共计得到80个油类样本;然后,利用FS920光谱仪采集所有油类样本的三维荧光光谱数据;其次,对采集到的光谱数据进行预处理,去除光谱中散射的干扰并标准化;最后,利用2D-LDA算法对样本进行特征提取,利用KNN算法进行分类,并将其分类结果与经主成分分析(PCA)进行特征提取后的分类结果比较。研究结果表明,2D-LDA提取特征的分类效果优于PCA。利用2D-LDA分别提取发射和激发特征得到测试集识别的准确率相同且都为95%,而将发射和激发光谱特征的分类距离相结合并重新进行分类的准确率为100%。表明两类光谱相对于三维荧光光谱具有互补性,将发射和激发光谱特征相结合能够更好地对样本进行分类。而利用PCA对测试集识别的准确率仅为85%,表明2D-LDA对三维荧光光谱数据的特征提取效果更好。与PCA相比,2D-LDA通过类内散度和类间散度最大化投影向量来提取样本的特征,使得同类样本尽可能接近,不同样本尽可能分离。因此,2D-LDA具有使降维后的数据更容易被区分的特点,故其鲁棒性好。该研究为油类的降维识别提供了一种参考。

基于加权双向二维线性判别特征的焊点检测算法

为克服现有自动光学检测(AOI)算法的缺陷,针对AOI的特点,对传统的双向二维线性判别方法进行改进,提出一种基于加权双向二维线性判别方法的焊点检测算法.在计算协方差矩阵时,对不同的类别以及类内不同的样本进行加权,从而提取更有判别力的特征.将改进后的算法应用于焊点检测,可实现对不同批次用料的自动分类.文中提出的算法检测速度可以满足实际需要,且与现有AOI系统中常用的图像对比算法和图像分析法相比,可以显著降低误报率.

RC结构二维非线性有限元分析模型的探讨

由于钢筋混凝土结构组成材料的特殊性,在有限元分析过程中,材料本构模型特别是混凝土的材料模型对分析结果的合理性和准确性有很大的影响。对RC结构的二维有限元分析(2D-FEA)的钢筋、混凝土的材料本构模型的合理选取进行了探讨,通过RC平板和单层剪力墙的二维非线性有限元分析,分析结果与试验结果符合较好,得出文中所探讨的材料本构模型能较好地模拟RC结构的非线性特性。

基于模糊集理论的二维线性鉴别分析新方法

二维线性鉴别分析(2DLDA)是一种直接基于矩阵的特征提取方法,跳过传统的基于Fisher鉴别准则的线性鉴别分析方法中必须先将二维矩阵转化成一维矢量的过程,有效地提高了特征提取速度且避免了小样本问题,其识别率优于传统的Fisherface方法。结合模糊集理论,提出了一种新的2DLDA算法———模糊2DLDA(F1DLDA)算法。首先采用FKNN算法得到相应的样本分布信息,并按其对最后得到的特征向量所作的贡献融入到特征抽取过程中,得到有效的样本特征向量集。实验表明,F2DLDA算法的性能优于传统的2DLDA算法和Fisherface方法。

泉州盆地地震效应的二维非线性分析

基于ABAQUS显式有限元并行计算平台,采用大尺度二维精细化有限元非线性分析方法,研究泉州盆地地震效应特征。结果表明:(1)与基岩输入地震动相比,地表峰值加速度总体呈放大效应,且盆地不同位置的放大效应存在明显差异;(2)地表或基岩剧烈起伏及土层横向分布极不均匀处,地震动易产生局部聚集效应,相应地表地震动呈显著放大或缩小效应;地表加速度反应谱产生双峰甚至多峰现象。(3)在土层竖向、横向分布不均匀处,峰值加速度沿深度方向呈非单调递减,加速度反应谱沿深度存在较大差异。场地地震效应的二维非线性分析法能在一定程度上反映特殊场地条件对地震动效应的影响,该结果可为泉州盆地及类似盆地的场地设计地震动参数的确定提供参考依据。

金塘海峡海床地震反应特征的二维非线性分析

确保强地震作用时海岸及近海工程的安全是一项重大的工程挑战。利用金塘海峡海底隧道地质勘探数据,建立海床剖面二维精细化有限元模型,依据场址区域地震动活动构造背景和历史地震记录,选取两次强地震的井下基岩记录作为基岩输入地震动,考虑海床土空间分布不均性和非线性特性,采用并行算法模拟不同地震动水平下的深厚海床场地地震反应。该海床场地对地震动低于1 Hz的低频分量和10 Hz以上的高频分量分别有显著的放大和滤波作用;随着基岩地震动水平增大,海床地表加速度传递函数值逐渐减小,其卓越频带向低频方向移动;海床地表峰值加速度放大系数较之一般陆域场地的明显要小;海床地表谱加速度β谱特性和累积绝对速度CAV主要受基岩地震动特性和海床局部场地条件的影响。相比于仅有水平向地震作用,水平向和竖向基岩地震动的耦合作用对该海床场地的设计地震动参数有显著的不利影响。依据现行的抗震规范确定该海床场地的设计地震动参数可能偏于不安全。

基于子模式行列方向二维线性判别分析特征融合的特征提取

针对人脸识别中表情和光照变化引起的面部变化、灰度不均匀等识别问题,提出一种基于子模式行列方向二维线性判别分析(Sp-RC2DLDA)的特征提取方法。该方法通过对原图像进行子模式分块处理,能有效提取图像的局部特征,减少表情、光照变化的影响,通过把相同位置的子图像组成子样本集,合理利用了子块间的空间关系,进一步提高了识别率;同时,对各个子样本集分别利用行方向二维线性判别分析(2DLDA)和列方向扩展2DLDA(E2DLDA)进行特征抽取,得到互补的行、列方向子图像特征,并分别把子图像特征组合成原图像的特征矩阵,然后利用一种特征融合方法对行、列方向特征矩阵进行有效融合,对互补的特征空间进行融合有效地改善了识别性能;最后采用最近邻分类器进行人脸识别实验。在Yale及ORL人脸库上的实验结果表明,Sp-RC2DLDA有效地减少了表情和光照变化的影响,具有较好的鲁棒性。

模糊二维线性鉴别分析算法

在二维线性鉴别分析的基础上,引入了模糊数学的思想,给出了模糊二维线性鉴别分析方法。模糊二维线性鉴别分析通过隶属度函数将样本归入所有的类别之中,根据隶属度重新定义了类间散布矩阵和类内散布矩阵,进而将样本的原始分布信息通过相应的隶属度函数完全融入到最后提取的特征中。通过在ORL和耶鲁人脸库上进行的实验,结果证明了基于模糊二维线性鉴别分析方法的优越性。

基于双向二维主成分分析的掌纹识别

掌纹识别是一门新兴的生物特征识别技术。使用主成分分析对图像向量进行处理,向量维数一般都很高。二维主成分分析是直接采用二维图像矩阵来构建方差矩阵,与一维主成分分析相比能更精确地计算原始数据的协方差矩阵,双向二维主成分分析是二维主成分分析的改进算法,将其应用于掌纹识别,通过在水平和垂直2个方向上各执行1次二维主成分分析运算,消除了掌纹图像行和列的相关性,运用新准则选取了更适合于分类的主分量,大大压缩了特征的维数。在香港Poly-technic University的Palmprint Database测试结果表明,该方法具有更高的识别率和更低的计算复杂度。

基于双向二维主成分分析的运动目标跟踪

为克服二维主成分分析(2DPCA)跟踪效率低的缺点,提出一种基于双向二维主成分分析(Bi-2DPCA)的运动目标跟踪算法。采用双向二维主成分分析作为目标表示的方法建立目标图像子空间,同时在图像均值与协方差矩阵的更新中引入基于目标图像匹配程度的自适应增量因子的增量学习的方法进一步提高算法效率。在多个包含动态背景的图像序列上的对比实验结果表明算法能在目标处于部分遮挡的情况下准确跟踪目标,同时算法在效率上高于基于二维主成分分析的目标跟踪算法。

二维线性大间距判别分析及其在步态识别中的应用

提出一种二维线性大间距判别分析(Two dimensional linear maximum margin discriminant analysis,2DLMMDA)的投影算法。该算法一方面采用了有效且稳定的大间距优化准则,引入了Laplacian矩阵,保持了特征矩阵的流形结构,且优化域为Laplacian类间散度与Laplacian类内散度之差,能克服Fisher准则带来的小样本问题;另一方面,采用了具有监督信息的判别分析,大大地提高了识别率。为了验证所提出的算法对特征提取的有效性,选择最近邻分类器进行特征分类,最后通过在CASIA(B)步态库上实验。实验结果表明,文中提出的算法具有更高的识别率和识别速度。

二维线性鉴别分析和协同表示的面部识别方法

针对图像特征提取方法提取单一特征不能很好地表示图像的问题,提出了二维线性鉴别分析和协同表示的面部识别方法.该方法首先通过二维线性鉴别分析(Two-Dimensional Linear Discriminant Analysis,2DLDA)分别对训练样本的类间散布矩阵和类内散布矩阵提取特征,之后利用得到的特征重建图像,包括类间虚拟图像和类内虚拟图像.其次,将类间虚拟图像、类内虚拟图像和原始图像利用协同表示(Collaborative Representation,CR)算法进行得分.最后,采用加权得分融合算法将上述得分进行融合以获得最终得分,并利用最终得分进行图像识别.该方法不仅有效的抑制了光照和表情对面部识别的影响,同时根据获得的类间虚拟图像、类内虚拟图像与原始图像互补,有效的提高面部图像识别的性能.实验结果表明,该方法在不同的数据库下(ORL、AR、GT)具有较好的识别精度.

Sel'kov多分子反应-二维扩散模型的线性稳定性分析

对生化反应中的Sel’kov多分子反应 -二维扩散模型进行了线性稳定性分析 ,得到了使稳定解产生不稳定的条件 。

分块双向二维主成分分析与模糊分类的掌纹识别

掌纹识别是一门新兴的生物特征识别技术。提出基于分块双向二维主成分分析(M(2D)2PCA)和模糊分类的掌纹识别方法。该算法利用M(2D)2PCA提取掌纹的局部特征,并利用模糊分类策略。这种方法可以有效提取掌纹的局部特征,并且直接对子图像矩阵进行特征抽取,能够精确计算协方差矩阵的特征向量;分类阶段引入模糊理论,应用于掌纹识别问题。最后使用北京交通大学掌纹数据库进行识别实验,结果表明,该方法可得到更高的识别率和更少的识别时间。