技术标签: matlab 算法 NIST 测试数据与BUG 随机性测试
NIST随机数测试算法相关测试软件的下载、安装、Cygwin环境配置等等已经有很多博客反复讲述过了,这里不再多说。
但是我发现在我的实际使用过程中遇到了很多意想不到的bug,我也留意到,在相关博客的评论区里,有很多朋友提到了相似的报错内容、相同的困惑。可问题在于CSDN甚至全网都无法找到详细的关于这个算法报错内容的解析。所以这里我尝试总结一下避免错误使用NIST测试软件的Tips,以及部分报错信息的解析。
Cygwin运行sts-2.1.2算法包时 选择文件格式的提示语如下
Input File Format:
[0] ASCII - A sequence of ASCII 0’s and 1’s
[1]Binary - Each byte in data file contains 8 bits of data
这里主要谈论大家比较常用的[0]ASCII文件
fid = fopen('E:/Final1.txt','w');
%E:/Final1.txt是待检测文件的绝对路径
for i = 1:1000000
fprintf(fid, '%s',dec2bin(X(i),32));
end
%1000000是数组长度,32是这个数组中最大的二进制数的长度
fclose(fid);
根据我个人的尝试,要想一次性完成全部十五项测试,至少需要数量为十万级的随机数,达到百万级更好。
但是部分算法(比如时间戳优化的LCG算法)运算速率很低,产生百万个随机数所需时间太长。那么假设我们只有不到十万个随机数,如果强行跑程序,反而会导致最后报告产生错误。
这里我们建议将15个测试分开为几组来进行测试。
输入文件绝对地址以后你会看到如下指示:
S T A T I S T I C A L T E S T S
_________________________________
[01] Frequency [02] Block Frequency
[03] Cumulative Sums [04] Runs
[05] Longest Run of Ones [06] Rank
[07] Discrete Fourier Transform [08] Nonperiodic Template Matchings
[09] Overlapping Template Matchings [10] Universal Statistical
[11] Approximate Entropy [12] Random Excursions
[13] Random Excursions Variant [14] Serial
[15] Linear Complexity
INSTRUCTIONS
Enter 0 if you DO NOT want to apply all of the
statistical tests to each sequence and 1 if you DO.
Enter Choice:
这里选择0,看到以下指示:
INSTRUCTIONS
Enter a 0 or 1 to indicate whether or not the numbered statistical
test should be applied to each sequence.
123456789111111
012345
这里的两行数字表示的是1到15,后半段上面的1是十位,下面是个位。在下方对应输入1表示执行该测试,0则表示不执行。
最后,在以下的各个文件夹中查看各部分报告。总的finalreport是没有详细内容的。
目前想到的就是这些,欢迎将漏洞和疑问补充在评论区。我会尝试完善这个回答。
文章浏览阅读9.6k次,点赞20次,收藏21次。单应矩阵的概念、计算原理和重投影误差评分
文章浏览阅读737次。目录前言一、GCC编译1.编译链接流程二、使用步骤1.引入库2.读入数据总结前言记录GCC和GDB的学习笔记一、GCC编译1.编译链接流程以File.c为例子File.i : 经过编译预处理的源代码;File.s : 汇编处理后的汇编代码;File.o : 编译后的目标文件,即含有最终编译出的机器码,但它里面所引用的其他文件中函数的内存位置尚未定义File.out:可执行文件C源程序头文件-->预编译处理(cpp)-->编译程序-->优化程序-->汇编程_编译gcc gdb
文章浏览阅读1.3k次。未写转载于:https://www.cnblogs.com/ikihsiguoyr/p/10372635.html
文章浏览阅读293次。决策表决策表 - 百度百科决策表又称判断表,是一种呈表格状的图形工具,适用于描述处理判断条件较多,各条件又相互组合、有多种决策方案的情况。精确而简洁描述复杂逻辑的方式,将多个条件与这些条件满足后要执行动作相对应。但不同于传统程序语言中的控制语句,决策表能将多个独立的条件和多个动作直接的联系清晰的表示出来决策树决策树 - 百度百科决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运_决策表 决策树
文章浏览阅读4k次,点赞18次,收藏171次。description: 整理自己看过和待看的一些主要关于图像分割包括其他领域的论文,不定时更新…综述篇Deep learning for cardiac image segmentation: A review [2019]Deep Semantic Segmentation of Natural and Medical Images: A Review [2019]Understanding Deep Learning Techniques for Image Segmentation
文章浏览阅读1.3k次,点赞4次,收藏2次。vue3+Ts项目。
文章浏览阅读4.9k次。在一个比较大的.net程序编译中,报告错误,找不到引用microsoft.office.core,从程序下的文件夹下找也找不到 microsoft.office.core.dll文件,在office的安装文件夹下也找不到,重装了office也不行,后来上网找了找,才知道了 解决办法。在控制面板中,选择“添加删除程序”,找到office ,选择“更改”,在对话框中选择“添加删除功能”,然后选_未安装 office using microsoft.office.core
文章浏览阅读1.6k次。 6月份,毕业了,炎炎夏日加上几只属苍蝇的知了,我知道这些并不是自己心里烦躁的理由,长吸一口气,我的未来在哪里?问题找到了,但答案在哪里? 宿舍的几位同僚,义无反顾的整理好皮箱奔向大城市去打天下,送走他们,告别已经分手的女朋友,拿着自己的三证和一堆宝贝技术书籍,决定先回家。 家里永远都是最温暖的,回家后第一次见到我刚出生几个月的外甥,这小子可爱极了,老乐呵_flyfish365
文章浏览阅读1.7k次。文章链接:https://blog.csdn.net/q_z_r_s机器感知一个专注于SLAM、机器视觉、Linux 等相关技术文章分享的公众号/* 最终进入命令解析模式 */DECLARE_GLOBAL_DATA_PTR;ulong monitor_flash_len;static int run_main_loop(void){#ifdef CON..._config_board_early_init_r
文章浏览阅读280次,点赞4次,收藏3次。通过使用前端技术HTML+CSS+JavaScript+Vue,后端技术Java+SSM,数据库MySQL5.7,以及开发工具Eclipse或IntelliJ IDEA,Tomcat7.0,JDK1.8,Maven3.3.9,可以实现一个功能完善、操作简便的毕业设计选题管理系统。在数据库管理工具的选择上,使用了Navicat 11,这是一个用户友好且功能强大的数据库管理软件,它支持多种数据库系统,包括MySQL,并提供了图形化界面,使得数据库的管理和维护工作更加便捷。
文章浏览阅读4.7k次。先占个空,以后再详细拆解主要关注与GSM的区别,特别是GRPS是如何通过增加信道和分组交换系统支持数据传输,如何通过新的调制解调技术,增加数据传输的速率的!1. GSM是全球移动通讯系统(Global System for Mobile Communications)的简称2. GPRS是通用分组无线业务(General Packet Radio Service)的简称3. GPRS是在GSM系统基础上发展起来的分组数据承载和传输业务。4. GPRS与GSM......_2g slot
文章浏览阅读10w+次。图像拼接系列相关论文精读Seam Carving for Content-Aware Image ResizingAs-Rigid-As-Possible Shape ManipulationAdaptive As-Natural-As-Possible Image StitchingShape-Preserving Half-Projective Warps for Image StitchingSeam-Driven Image StitchingParallax-tolerant Ima_natural image stitching using depth maps