New vortex solutions of Jackiw-Pi model

Based on current phi-mapping topological theory, a kind of self-dual equations in Jackiw-Pi model are studied. We first obtain explicit, self-dual solutions that satisfy Liouville equation which contains delta-function. Then we get perfect vortex solutions which reflect the system's internal topological structure, and consequently the quantization of flux.

Topological structure of vortex solution in Jackiw-Pi model

By using phi-mapping method, we discuss the topological structure of the self-duality solution in Jackiw-Pi model in terms of gauge potential decomposition. We set up relationship between Chern-Simons vortex solution and topological number, which is determined by Hopf index and Brouwer degree. We also give the quantization of flux in this case. Then, we study the angular momentum of the vortex, which can be expressed in terms of the flux.

二维无关联振子系统的量子化及能谱中长程关联的理论分析

量子经典对应是人们一直关心的基本问题．早期的WKB量子论及其推广EBK理论分别给出了一维及多维可积系统周期轨道的作用量量子化条件，但是，这些理论都没有明确的给出周期轨道与量子能级之间的对应关系．另一方面，近年来，人们在数值计算中发现量子能谱中存在着与周期轨道有紧密联系的长程关联，但是目前对长程关联的研究大多局限于数值计算，其背后的动力学原因有待进一步的探讨。应用二维无关联振子系统具有的标度不变性，对量子态密度进行Fourier变换，得到二维无关联振子系统的回归函数．另一方面，在有理环面上积分Hamiltonian运动方程，数值计算给出二维无关联四次振子系统的半经典回归谱。对二维无关联四次振子系统的量子回归谱和经典回归谱进行比较，量子和经典回归谱中的峰(显示了能级之间存在着长程关联)的位置大致一定验证了Berry-Tabor求迹公式的有效性。从可积系统的Be：rry-Tabor公式出发，导出了二维可积系统周期轨道作用量量子化条件，考虑有理环面上周期轨道必须满足的周期性条件，找到了量子能级与经典周期轨道之间的对应关系．这一对应关系表明，二维无关联振子系统的一组能级与一组周期轨道之间存在着一一对应关系。这组能级对应的周期轨道具有相同的拓扑，但每条周期轨道对应的系统能量等于它所对应的量子能级。进一步的，我们用二维无关联振子系统的量子经典对应关系去分析量子能谱中的长程关联。分析表明，当二维无关联振子系统回归函数中的作用量取某一系统能量下某一周期轨道的作用量的值时，那些与这一周期轨道拓扑相同的周期轨道对应的量子能级对回归函数的贡献相干。这些具有相同拓扑的周期轨道对应的量子能级间存在着长程关联。

Application of probabilistic neural network in the clinical diagnosis of cancers based on clinical chemistry data

As a recently developed and powerful classification tool, probabilistic neural network was used to distinguish cancer patients from healthy persons according to the levels of nucleosides in human urine. Two datasets (containing 32 and 50 patterns, respectively) were investigated and the total consistency rate obtained was 100% for dataset 1 and 94% for dataset 2. To evaluate the performance of probabilistic neural network, linear discriminant analysis and learning vector quantization network, were also applied to the classification problem. The results showed that the predictive ability of the probabilistic neural network is stronger than the others in this study. Moreover, the recognition rate for dataset 2 can achieve to 100% if combining, these three methods together, which indicated the promising potential of clinical diagnosis by combining different methods. (C) 2002 Elsevier Science B.V. All rights reserved.

基于非均匀DCT的量化索引调制隐写

基于量化索引调制(QIM)的隐写技术正日益受到隐写分析的威胁。该文将通常在DCT域隐写的做法改为在非均匀DCT域进行,将参数作为密钥,提出了一种NDCT-QIM图像隐写方法。由于在攻击者猜测的域中,嵌入信号具有扩散性,NDCT-QIM方法不利于隐写分析对隐写特征的检测,分析和实验表明,它能够更好地抵御基于梯度能量、直方图及小波统计特征等常用统计量的隐写分析,增强了隐写的隐蔽性。

基于直方图插值的均值移动小尺寸目标跟踪算法

小尺寸目标跟踪是视觉跟踪中的难题。该文首先指出了均值移动小尺寸目标跟踪算法中的两个主要问题:算法跟踪中断和丢失跟踪目标。然后,论文给出了相应的解决方法。对传统Parzen窗密度估计法加以改进,并用于对候选目标区域的直方图进行插值处理,较好地解决了算法跟踪中断问题。论文采用Kullback-Leibler距离作为目标模型和候选目标之间的新型相似性度量函数,并推导了其相应的权值和新位置计算公式,提高了算法的跟踪精度。多段视频序列的跟踪实验表明,该文提出的算法可以有效地跟踪小尺寸目标,能够成功跟踪只有6×12个像素的小目标,跟踪精度也有一定提高。

一种多目标快速识别的自适应灰度量化方法研究

针对实时序列图像多目标识别问题提出了一种快速图像处理方法。该方法依据一定的先验知识和准则，对复杂背景图像进行窗口化，对每一个窗口独立进行自适应快速中值滤波，及基于局部图像灰度信息的自适应重新量化和最大熵分割处理，实现了对全景视场内预定目标的快速准确提取和识别。为动态环境中多目标条件下移动机器人的视觉定位、导航和目标跟踪所需图像处理技术提供了一种新的方法。

目标位姿测量中的三维视觉方法

要测量出一组特征点分别在两个空间坐标系下的坐标 ,就可以求解两个空间目标间的位姿关系 .实现上述目标位姿测量方法的前提条件是要保证该组特征点在不同坐标系下 ,其位置关系相同 ,但计算误差的存在却破坏了这种固定的位置关系 .为此 ,提出了两种基于模型的三维视觉方法——基于模型的单目视觉和基于模型的双目视觉 ,前者从视觉计算的物理意义入手 ,通过简单的约束迭代求解实现模型约束 ;后者则将简单的约束最小二乘法和基于模型的单目视觉方法融合在一起来实现模型约束 .引入模型约束后 ,单目视觉方法可以达到很高的测量精度 .而基于模型的双目视觉较传统的无模型立体视觉方法位移精度提高有限 ,但姿态精度提高很多

JPEG压缩编码的扩充自适应量化器设计

在ＪＰＥＧ静止图象压缩的基础上，设计了一种扩充的自适应量化器．利用人眼的视觉特征，通过分析ＭＣＵ块的局部视觉活动性，以ＭＣＵ活动性函数确定量化因子，并引入亮度掩盖算子调节量化参量．实验结果表明，本文所设计的自适应量化器能减少图象编码主观失真，改善图象质量，获得更好的压缩效果

实时自适应量化法——逐级均值法

本文以跟踪电视系统中自适应量化器为设计背景,提出了一种新的、实时自适应的快速图象量化方法——逐极均值法,文中首先用Lloyd-Max最佳量化理论分析了这种量化方法的均方误差失真,讨沦了图象中存在孤立亮点时的处理方法。然后论述了这种量化方法应用于跟踪电视系统中的性能,即实现的简单、快速性;对照度变化的自适应性;及图象对比度增强效果。文中通过图象处理实验结果验证了这种量化方法的性能和理论分析的正确性。最后得出结论:逐极均值法量化器是一种能够代替LlodyMax最佳量化器的次佳量化器,这种量化器可以很好地满足跟踪电视系统中对自适应量化器的设计所提出的各方面性能要求;它对那些要求实现简单、实时自适应的量化器应用领域也将具有一定意义。