线性复杂度曲线可控序列

设S=(S_0,S_1,S_2,…)为有限域GF(q)上的无穷序列,S~n=(S_0,S_1,…,3_(n-1)),序列S~n的线性复杂度L_n(S)=min{l:S_j=-sum from i=1 to l(C_iS_(j-i),j=l,l+1,…,n-1,C_1,C_2,…,C_1∈CF(q)},序列的线性复杂度曲线为L=(L_0(S),L_1(S),L_1(S),L_2(S),…)。由序列的随机性与复杂度关系可知,适合作为序列密码密钥的伪随机序列,其线性复杂度曲线应接近于     

周期性随机序列的非线性复杂度

定义序列(?)的非线性复杂度为C(?)=min{m:存在m元布尔函数f生成(?)}.易见,C(?)指生成(?)的反馈移位寄存器的最小级数,并且当(?)以p为周期时,0≤C(?)≤p.众所周知,在流密码体制中,序列的线性和非线性复杂度是衡量密钥流安全性的两个重要指标.由于密钥流序列终归是周期序列,因而是一个具有重要实际意义的问题:周期性重复的二元随机序列(?)=x_1x_2…x_px_1x_2…,它的复杂度的变化情况是怎样的?其中X~(p)=x_1x_2…x_p是     

前馈序列线性复杂度达到最大值的相位选取

前馈网络是当代密码技术里常用的一类密钥流生成器.记,(简记为)是前馈网络中线性移位寄存器(LFSR)产生的n级m序列,是在GF(q)上的极小多项式,α是f_α的一个根,即α是GF(q~n)的本原元;f(t_1,…,t_m)=     

线性正算子序列的点收敛

在线性正算子序列的收敛性的研究方面,大部分的工作是关于一致收敛和平均收敛的。我们试图对线性正算子序列的点收敛作个初步探讨,得到了点收敛的型定理: 定理1 设G表示R~n的紧子集[0,1]~n;{K_m(·,x)}是C(G)→C(G)的线性正算子序列。如果对于x=(x_1,x_2,…,x_n)∈G,满足以下条件:     

随机足标序列的完全收敛性

Katz(1963)给出过完全收敛性的一个基本结果:对独立同分(iid)随机变量序列{x_n},E|x_1|’<∞(r≥1)且EX_1=μ的充要条件是:对任意的ε>0,     

R-M随机逼近序列的收敛速度

自Robbins-Monro于1951年发表先驱性的工作以来,随机逼近(s. a.)的问题受到很多学者的注意.然而,现已发表的关于R-M过     

关于随机结盟对策的凸线性扩充

在研究非随机结盟形式下多个对策凸组合后仍然可能有解的情况下,研究了机结盟对策在ＺＳ公司意义下每个对策具有ＺＳ公里意义下的解,多个对策凸线性组合后也有ＺＳ公理意义下的解。由于这一问题的解决,从而使得合成对策解的结构问题大大拓广了范围。     

线性模型随机加权自助法的渐近有效性

讨论了逼近线性模型中Ｍ估计分布的随机加权自助法,在一般的条件下证明了这种方法是强有效的。     

多元线性递归序列的Lie双代数结构

多元线性递归序列具有广泛的意义,起初对于它在Hurwitz积下,从Hopf代数角度研究者是Perterson和Taft,并在文献中得到推广;在Hadamard积下,本文作者给出了一些刻划.以上均具有局限性,为此,我们首次从Lie双代数的角度探讨了多元线性递归序列的代数结构,避免了Hurwitz积或Hadamard积下且数域特征为零的限制.本文均在特征任意的数域R上进行,且仍以二元线性递归序列为主,多元情形的讨论是     

一类概率赋范线性空间与随机算子

Menger1942年提出概率度量空间的概念,基于类似思想Serstnev提出随机赋范空间(即概率赋范线性空间)的概念。后来Bocsan、Dumitrescu、游兆永等都做了这方面的研究。本文在研究一类概率赋范线性空间:B空间的基础上,利用概率赋范线性空间来研究随机算子,从而使它成为解决随机方程解的存在性、唯一性及解的逼近等问题的新的工具之一。     

一类时间序列模型线性性的K-S型检验

1 定理 考虑如下非线性时间序列模型: (1) 具有如下假设: (A1)是R~2中的开子集; (A2){∈_t}是i.i.d.序列,∈_t和x_(t-1),独立,且 (2) (A3)h(·)是正可测函数满足当|x|→∞时,h(x)→∞,h(x)/|x|→0,且对每一C>0, (A4){x_t}是混合序列,满足     

非线性最优化一个超线性收敛的序列方程组方法

本文考虑如下的优化问题:这里x=(x_1,…,x_n)∈E~n.对于问题(P),本文给出了一个超线性收敛的序列方程组算法.此算法与现有的序列二次规划(SQP)方法相比,具有以下三个重要的性质:(1)由于算法每一次迭代只需计算三个系数矩阵完全相同的线性方程组,因此算法每一次迭代的计算量要比现有的SQP方法大为减少;(2)算法每一次迭代产生的点都是可行的;(3)算法是一步超线性收敛的.     

随机中止试验的线性模型中参数估计的几个性质

样本容量为随机变量的线性模型的参数估计问题无论在理论上还是实用上都是有兴趣的。     

随机序列的新息方法在电力系统负荷预报中的应用

电力系统次日24小时预报和安全控制所需的负荷预报是电网调度中安全、经济控制的基础。据了解,目前国内外多数电力系统调度为获得负荷预报,主要依靠有经验的运行方式人员,通过过去的负荷数据,人工估计而得。本文采用随机时间序列方法建立电力系统负荷模型,并利用随机序列的新息方法来进行电力系统负荷预报,得到了较满意的结果。此法既快速,所     

Chaitin复杂度的极限定理

一、极限定理的阐述设为有限字母表,记A~n(或A~∞)~~     

双平稳随机时变信道最大似然序列检测的概率收敛定理

本文首先利用平稳K相依随机变量序列的中心极限定理,给出了双平稳随机时变信道最大似然序列检测定理一个新的、准确的叙述和证明。然后,导出了序列检测概率收敛速度的定量计算公式。最后,对序列检测技术的某些重要问题进行了讨论。所     

随机服务系统及有关的随机分支

一、什么是随机服务系统随机服务系统又名排队论,是运筹学的一个重要分支.它在工业生产、经济管理、科学技术、军事领域等方面都有极为广泛的应用. 随机服务系统研究的对象是服务系统.服务系统在日常生活中比比皆是.如上下班坐汽车,汽车之与乘客;进食堂用餐,卖饭窗口之与就餐者;到商店买东西,售货员之与顾客;去医院看病,医生之与病人:分别构成了一个个服务系统. 在工业生产与管理中,也有各种各样的服务系统.如在工厂里,一个工人看管几十台自动机器,当     

复杂度理论中某些不可证明的真命题

在复杂度理论研究中,上界不断被改进,但下界的研究却迟迟没有重要进展。对于任何一个NP完全性问题,现有最好的算法也需要指数的时间,但数学家们费尽九牛二虎之力也只能证出一个线性时间的下界。这使我们想到:复杂度理论中的许多真命题是不可证明的。但如果只是并行于Gdel的不完全性定理,得出一些诸如:“下界是2。但不可证”的结论,仍不能说明真实下界与理论下界之间的巨大差距。我们得到了下面的结果:定理1设,f(n)≥n是任一时间可构造的函数(例如2~2~m),A是一个可以用谓词P(c)表示“程序c的时间复杂度t(n)不会低于一个常数”的公     

带约束的线性模型中的可容许线性估计

在Gauss-Markov模型(Y_(n×1),X_(n×p)β_(p×1),σ~2V,V≥0)下,若S_(s×p)β可估,Rao及其他一些作者给出了Sβ的线性估计,在二次型损失函数下是可容许的充要条件。当参数受约束:β′Nβ≤σ~2,N>0时,Hoffmann,Mathew分别就V>0与V≥0的情形,讨论了β的线性估计的可容许性问题。本文将进而给出Sβ的线性估计AY在线性估计类中是可容