祖冲之序列密码的线性区分攻击分析

为了探讨祖冲之算法(ZUC)的安全性,该文对ZUC算法进行了线性区分攻击分析。文中对ZUC算法中两轮非线性函数F最优化线性逼近,得到线性逼近方程式,计算线性逼近的偏差为2-22.6。利用线性逼近方程式构造仅包含输出密钥流的区分器,并寻找最优掩码使区分器的偏差最大,在最优线性掩码的基础上计算得到区分器的区分偏差为2-65.5。该攻击需要约O(2131比特)密钥流,就能把随机序列与密钥流序列区分开,从理论上证明了ZUC算法的安全性。最后通过与已有的安全性分析结果对比发现,该文的线性区分攻击结果有一定的优越性。     

求分段线性电阻性网络多个解的系统化算法

非线性电阻性网络的电阻特性通常用分段线性连续的伏安特性逼近,这类网络的方程可表示成向量函数方程G(x)?F(x)-y=0。其求解归结为求增广系统G(x)+(λ-1)G(x(0))=0的解集合。本文给出当F(x)是分段线性连续函数时该解集合的求法。从而可系统化地求出这类网络的多个解。文中还证明了文献[1],[3],[4]上三种求分段线性电阻性网络多个解的算法所定义的解曲线都是该解集合的子集,从而统一了这几种算法的原理。     

包含约束极值问题的二阶最优性条件

定义了函数f的二阶逼近;给出了当f和集值函数F的支撑函数的和函数在(x-,0)处具有紧二阶逼近时,f在约束0F(x)下取得最小值的二阶充分条件和必要条件.     

求解箱约束变分不等式的不精确LM-型算法

利用箱约束变分不等式VI(a,b,F)的NCP-函数,提出求解VI(a,b,F)的不精确Lev-enberg-Marquardt型算法.每次迭代只需求线性方程组的一个近似解,算法仍具有全局收敛性.无需假设极限点x*是否退化,在BD-正则的条件下,算法局部超线性(二次)收敛.最后给出数值试验结果.     

线性泛函的广义Sard逼近

本文利用具有重结点的自然样条函数,讨论了线性泛函Ff=sum from i=0 to n-1[integral from a to b a_i(x)D~i f(x)dx+sum from j=0 to L~1 b_(ij)D~i f(x_(ij))]的广义Sard逼近问题。文中给出了线性泛函Lf=sum from i=0 to k sum from j=0 to k_1-1 a_(ij)D~j f(x_i)逼近F为n-1阶准确的存在定理与唯一性定理;给出了L做为F的广义Sard逼近的充分必要条件。     

多项式前向神经网络

提出了一种新型的前向神经网络模型-多项式神经网络。该网络具有三层结构,隐层、输出层神经元激活函数分别为：f(x)=x^p和线性函数,网络隐层-输出层的权值采取最速下降法学习,输入层-隐层的权值采用遗传算法进行学习;网络学习时,其误差函数单调递减,学习算法具有较好的收敛性;该网络能逼近任意的连续函数,且具有较好的稳定性,应用实例表明该网络的性能是优良的。     

基于四次矩阵样条的矩阵微分方程近似解

矩阵微分方程经常出现在物理模型和工程技术模型中。文章给出了用四次矩阵样条构造形如Y′=A(x)Y B(x),Y(0)=Y0,x∈[a,b],A(x)、B(x)∈C4[a,b]的一阶矩阵线性微分方程初值问题近似解的方法,研究了该方法的逼近误差并编制了实现该方法的一个算法,最后给出一些数值实例;比较结果表明,用四次矩阵样条所构造的近似解的逼近效果要比用三次矩阵样条所构造的近似解的逼近效果好。     

Bent函数的性质与构造

给出了形如F(x, y) = f (x τ(y))q(y) g(y) 的布尔函数是Bent 函数的充分必要条件,并据此给出了二次Bent 函数的已拥有等价类. 另,文中还给出了Bent 函数的几种构造方法. 特别地,给出了Bent 基函数的完全构造.     

采用核函数的多用户检测算法

提出了一种基于核函数的多用户检测(MUD)方案,与常规的支持向量机(SVM)学习算法不同的是,判别输出函数中的支持向量采用一种稀疏核逼近方法获取,而其对应系数则由输入采样协方差矩阵的广义特征向量构成,整个算法避免了常规的二次规划(QP)求解过程.仿真结果表明,采用核函数算法的检测性能与SVM检测性能接近,但在较大规模样本集下可有效减小计算量.     

Piccolo结构抵抗差分和线性密码分析能力评估

Piccolo结构是从Piccolo算法中归结出来的一种分组密码结构,该结构的特色在于轮函数和移位变换的设计。为评估Piccolo结构的密码性能,对该结构抵抗差分密码分析和线性密码分析的能力进行了研究。给出了任意轮差分特征中活动轮函数和活动S盒个数的一个下界,并通过研究Piccolo结构的差分线性对偶性,进而给出了任意轮线性逼近中活动轮函数和活动S盒个数的一个下界。     

用多元分析方法研究温度对蜥蜴血红蛋白及血浆总量的影响

用多元分析的方法研究温度对蜥蜴血红蛋白浓度、血浆蛋白浓度的影响 全回归模型结果表明 :蜥蜴血红蛋白的总体浓度与温度存在二次线性关系 ,蜥蜴血浆总蛋白浓度与温度存在一次线性关系 ,各血液浓度与其他各量之间的关系均为线性的 蜥蜴平均最适温度为 2 0 8℃ ,此时蜥蜴血红蛋白的浓度最大 相关性分析表明 :蜥蜴血红蛋白的总体浓度与种类差异和性别差异的相关系数分别为 0 .632 71和 0 .784 31,血浆总蛋白浓度与种类间差异的相关系数为 0 .97533 .     

星点设计-效应面优化广西莪术挥发油的提取工艺

采用星点设计-效应面优化方法研究广西莪术（Curcuma kwangsiensis S．G．LeeetC．F．Liang）挥发油的提取工艺,星点设计中的考察因素为加水倍量和提取时间,用水蒸气蒸馏法提取挥发油,以总挥发油的体积作为评价指标,对各因素的各水平进行二项式拟合,按二项式描绘三维效应面,从三维效应面上选取对总挥发油的体积较佳的实验条件。结果二项式拟合复相关系数较好,r=0．98157,最佳提取工艺为：加水8倍,提取时间6．5h。依最佳条件提取的挥发油体积为0．742ml,与理论预测值的偏差为-1．45％。星点设计-效应面优化法对提取广西莪术挥发油的实验指标具有较好的优选性和预测性。     

随机变量间的相互关系与分类

对2个随机变量的关系进行研究,首先引述了协方差和相关系数的概念,对相关系数从2个方面给出其内涵的深刻解释,阐述了相关系数与相关关系、线性相关与不相关之间的联系。其次,对随机变量的相关关系、线性关系、不相关关系及独立关系和非独立关系等分别进行了详细介绍,深入挖掘各种关系深刻内涵,揭示各种关系的内在联系。特别是对不相关关系、非独立性和独立性几种关系,通过实例进行了深入探讨。最后,对随机变量之间的各种关系进行分类,给出随机变量间按相关性优先划分的各种关系分类图,为初学者学习2个随机变量间的关系提供系统依据。     

奇异线性模型下最小范数二次无偏估计关于误差分布的稳健性

讨论奇异线性模型下方差σ2的最小范数二次无偏估计关于误差分布的稳健性问题,得到方差的最小范数二次无偏估计保持最优的误差项的最大分布类.进一步考虑可估计函数Xβ的最佳线性无偏估计的稳健性,得到了Xβ的最佳线性无偏估计与方差σ2的最小范数二次无偏估计同时最优的误差项的最大类.     

密闭高温高压消解-石墨炉原子吸收光谱法测定胶囊中痕量铬

选择硝酸和氢氟酸为混合酸,高温高压条件下利用密闭消解罐对药用胶囊进行消解,研究了采用石墨炉原子吸收光谱法测定胶囊中痕量铬的方法,优化了在180℃消解温度条件下其消解时间．在最佳分析条件下,密闭高温高压消解一石墨炉原子吸收光谱法测定胶囊中痕量铬线性关系较好,二次回归方程相关系数R2=．995．通过干扰试验确定该方法满足抗干扰的选择性要求．方法的检出限和定量限分别为0．274μg／L和0．913μg／L,测定结果的相对标准偏差为2．600％,加标回收率为98．700％～102．000％．该方法可以用于胶囊中痕量铬的日常检测,且在大批量检测时有明显的优势．     

广义二次矩阵和与积线性组合的秩与零度

应用广义二次矩阵与幂等矩阵互为确定的关系, 证明了在某种条件下广义二次矩阵和与积的线性组合的秩与其组合系数选择无关.     

纵向数据下广义线性模型的稳健二次推断函数估计

针对纵向数据下的广义线性模型，为了有效控制离群点对估计的影响以及进一步提高估计的效率，利用二次推断函数（QIF）改进加权的指数得分函数，得到了模型参数有效且稳健的二次推断函数估计（ERQIF），并证明了在一定条件下所得估计的相合性和渐近正态性。数值计算结果进一步表明，当离群点存在或工作相关矩阵被错误指定时，所得估计有稳健的模拟结果。     

混合系数线性模型参数的可容许估计

利用二次损失函数和矩阵损失函数,给出混合系数线性模型的可估参数向量Sd在线性估计类中的可容许估计,并且分别讨论固定系数α和随机系数期望b的可容许估计.     

数据的剔除对Minimax线性估计的影响与相关系数

用方差比和广义方差比作为判定数据对Minimax线性估计影响的标准,建立了剔除一组数据时的方差比与相关系数的关系,找到了剔除多组数据时的广义方差比与Hotelling广义相关系数的联系,并讨论了剔除一组数据与剔除二组数据时的广义方差比之间的关系.     

基于响应面法的几何非线性结构概率响应分析

将响应面法、有限元法和蒙特卡罗法各自的优点相结合，提出一种新的结构概率响应分析方法——集成化响应面法．通过对几何非线性桁架结构的概率性响应分析，验证了该方法的有效性和准确性．选取五种响应面分析模型，比较它们的计算结果，得出一些有益的结论．