AVS标准的背景、进展与产业应用展望

由信息产业部组织成立的“数字音视频编解码技术标准(AVS)工作组”目前正紧锣密鼓地开展各项工作，为了配合这一拥有自主知识产权技术的数字音视频编解码技术标准的制定和出台，让广大读者及时了解标准进展情况以及相关技术，经与AVV标准工作组协商，本刊将在2005年第9～12期集中宣传、报道和跟踪AVS标准进展情况并同时刊发与AVS相关的技术文章。     

从音视频标准专利许可政策看中国标准的历史性机遇

详细介绍了MPEGLA出台的H．264．／MPEG-4 AVC许可政策，给出了编解码产品制造商和视频节目运营商许可费率对照表。并就AVC许可政策的出台给中国标准带来的历史性机遇提出了几点思考。     

滚 动 式 涂 胶 机

滚动式涂胶机黄铁军ＴＪ－２０１型大面积滚动式涂胶机是电子工业部第四十五研究所研制的用于涂敷矩形大面积片子的专用涂胶设备。该机采用滚动旋转的方法，利用高速滚动旋转所产生的离心力，将基片表面多余的抗蚀剂甩出，从而得到一层均匀的光致抗蚀剂薄膜。滚动式涂胶机...     

基于离散对数的水印检测协议

提出基于离散对数的水印检测协议，以解决通常的水印检测方案泄漏敏感信息（如水印和嵌入位置）的问题．在协议中，水印被隐藏在模指数中．标准的水印与数字作品之间的相关性判定被转换成它的等价形式，证明者通过证明此等价形式，以使得验证者相信水印的存在．在计算离散对数困难的假定下，协议没有泄漏任何敏感信息并且被证明是零知识的．     

Aydos等基于椭圆曲线密码学无线认证协议的安全性

最近，Aydos等人提出了基于椭圆曲线密码学的无线认证协议．该协议使用了椭圆曲线数字签名算法和Diffie—Hellman密钥交换方案提供相互认证并协商会话密钥用于随后的通信。Mangipudi等人指出该协议对于来自系统内部攻击者的中间人攻击是脆弱的．进一步证明Aydos等人的协议对于来自任何攻击者的中间人攻击都是脆弱的，而不仅限于内部攻击者．最后，分析了Aydos等人的协议受到攻击的原因和其他一些安全缺陷．     

在线群体交互的影响模型及其学习算法

在线群体交互有助于数字图书馆发挥其服务人类需求的潜力，但如何量化在线群体交互对个人信息访问方面的影响还有待进一步研究．该文用隐Markov模型(HMM)来建模交互用户的状态序列及其相应的信息搜索行为，并基于影响模型理论提出了一个在线群体交互影响模型来分析用户在从数字图书馆选择资料和搜索所需信息时的相互影响．为满足本应用问题中增量模型学习的需要，文章还从耦合隐Markov模型(CHMM)学习算法引申出基于梯度的方法来进行在线群体交互影响模型参数的训练．实验结果显示，本文所提出的模型和算法能较准确地刻画在线群体交互对个人信息访问行动的影响．     

生物视觉系统的神经网络编码模型综述

生物视觉系统的研究一直是计算机视觉算法的重要灵感来源。有许多计算机视觉算法与生物视觉研究具有不同程度的对应关系,包括从纯粹的功能启发到用于解释生物观察的物理模型的方法。从视觉神经科学向计算机视觉界传达的经典观点是视觉皮层分层层次处理的结构。而人工神经网络设计的灵感来源正是视觉系统中的分层结构设计。深度神经网络在计算机视觉和机器学习等领域都占据主导地位。许多神经科学领域的学者也开始将深度神经网络应用在生物视觉系统的计算建模中。深度神经网络多层的结构设计加上误差的反向传播训练,使得它可以拟合绝大多数函数。因此,深度神经网络在学习视觉刺激与神经元响应的映射关系并取得目前性能最好的模型同时,网络内部的单元甚至学习出生物视觉系统子单元的表达。本文将从视网膜等初级视觉皮层和高级视觉皮层(如,视觉皮层第4区(visual area 4,V4)和下颞叶皮层(inferior temporal,IT))分别介绍基于神经网络的视觉系统编码模型。主要内容包括:1)有关视觉系统模型的概念与定义;2)初级视觉系统的神经网络预测模型;3)任务驱动的高级视觉皮层编码模型。最后本文还将介绍最新有关无监督学习的神经编码...     

近线性神经和元非线性神经元

人工神经网络(ANN)中普遍采用的神经元模型具有单调有界的I／O特性,该文称其为近线性神经元(ALN,approximate－linear neuron),ALN既简化了网络的复杂性,也是限制ANN能力的一个瓶径.通过比较Hopfield神经网络的稳定性和Conway生命游戏的复杂行为,该文提出非线性神经元(NLN,non－linear neuron)的概念,其I／O特性是完全非线性的.ALN可以进一步提高ANN的非线性,从而增强它的功能,余数制神经网络是一个例子.     

基于多粒度树模型的Web站点描述及挖掘算法

随着Web所拥有的信息量和信息种类的急剧增长,Web站点挖掘对于自动实现特定主题的Web资源发现和分类具有重要的意义.然而现有的Web站点分类或挖掘算法在利用上下文语义信息、去除噪声信息以进一步提高分类准确率等方面还缺乏深入研究.从站点的采样尺寸、分析粒度和描述结构3个方面分析了设计高效的Web站点挖掘算法所需要解决的问题.在此基础上,提出了一种新的Web站点多粒度树描述模型,并描述了包括基于隐Markov树的两阶段分类算法、粒度间上下文融合算法、两阶段去噪程序以及基于熵的动态剪枝策略在内的多粒度Web站点挖掘算法.站点的多粒度描述方法及挖掘算法为多站点查询优化、Web效用挖掘等的深入研究奠定了基础.实验表明,该算法相对于基线系统平均可以提高16%的分类准确率,并减少了34.5%的处理时间.     

基于潜在主题的分布式视觉检索模型

为将文档聚类划分的分布式检索方法直接应用于视觉检索领域,提出一种基于潜在主题的分布式视觉检索模型。给出模型框架,包括图像视觉单词的数据集划分方法和图像子集选择方法,以此优化图像分布式检索性能。实验结果表明,该模型在不降低检索准确率的前提下,能优先选择少量的图像子集进行检索,并提高查询的吞吐量。