Citation: | Liu Yong-jun, Chen Cai-kou, Wang Zheng-qun . Modified Maximum Scatter-difference Discriminant Analysis and Face Recognition[J]. Journal of Electronics & Information Technology, 2008, 30(1): 190-193. doi: 10.3724/SP.J.1146.2006.00811 |
线性复杂度和周期是衡量序列伪随机性的两个重要指标。序列的线性复杂度已经在很多文献中被研究过[1],比如文献[1]研究了一种特殊2元序列的线性复杂度,文献[2-4]讨论了周期不同的2元广义分圆序列的线性复杂度,文献[5,6]研究了不同周期的4元广义分圆序列的线性复杂度,文献[7,8]分别讨论了2元割圆序列和广义割圆序列的线性复杂度,文献[9,10]讨论了不同周期序列的线性复杂度。本文主要研究的是新型自缩控序列的线性复杂度,自缩序列有许多密码学优点,比如构造方式简单、周期较大、线性复杂度较高、对驱动序列有强力保护,而成为密码学中一类重要的伪随机序列。文献[11]定义了自缩序列的构造方式,给出了其线性复杂度的上界值等于周期的上界值:
下面定义新型自缩控序列。
定义1 设
(a0,a1,a2)(a3,a4,a5)···(a3k,a3k+1,a3k+2)··· | (1) |
若
引理1[17] 设
N(b1,b2,···,bk)={3n−k,(b1,b2,···,bk)≠(0,0,···,0)3n−k−1,(b1,b2,···,bk)=(0,0,···,0) | (2) |
证明:考虑在序列
引理2[17] 设
(1) 序列
(2) 序列
证明 由
为了得到SSC(模3)-序列线性复杂度更精确的上界值,先从序列的特征多项式入手来展开讨论。设序列
v∑i=0(vv−i)(−1)v−i\boldsymbolod3⋅ui=0 | (3) |
即等价于证明
v∑i=0(vi)(−1)v−i\boldsymbolod3⋅ui=0 | (4) |
其中
引理3[18] 设
证明 为了证明简便,不妨设
定义2[18] 设
定义3[18] 设
引理4[18] 设
证明 由引理3知
引理5[18] 设
证明
当
引理6[18] 设
证明 若
引理7[18] 设
证明 因为
引理8 设
证明 因为
∑x∈GF(3n)f1(x)+2f2(x)=∑x∈GF(3n)(3n−2∑r=1arxr+3n−2∑r=12brxr)=3n−2∑r=1(ar+2br)∑x∈GF(3n)xr=0 | (5) |
证毕
为了得到周期为
定义4 设
T1:n−1∑i=0aiαi→an−2,T2:n−1∑i=0aiαi→an−2,an−1 | (6) |
由以上
当
定理1 设
v∑i=0(vi)(−1)v−i\boldsymbolod3⋅ui=0 | (7) |
其中,
证明
v∑i,j=0,i≠jctiuti+ctjutj=0 | (8) |
即等价于证明式(9)成立
v∑i,j=0,i≠juti+2utj=0 | (9) |
为了证明式(9)成立,需要定义以下两个映射,设
v∑i,j=0,i≠juti+2utj=∑x∈GF(3n)∖{0}σ1(x)+2σ2(x)=0 | (10) |
则由引理8知,要证明式(10)成立,只需证明
定义函数
设
P1=XT1∏(h1k+1)2∏(h42k+1)P2=12XT2∏(h1k+1)2∏(h42k+1)} | (11) |
其中,
证毕
本部分给出
设
由此看到,把序列
定理2 设
证明 由新型自缩控序列的定义知,只有当
故
定理3 对于任意正整数
证明 设
(1)
(2)
在第(1)种情况下,
由上述定理可知
设
s∞=(s00,s10,s20,···,s3n−1−1,0,s3n−1,0,···,s2⋅3n−1−1,0,s2⋅3n−1,1,···,s3⋅3n−1−1,1) | (12) |
则有
当
当
当
为了更方便地来表示序列的线性复杂度,下面我们利用迹映射的相关性质和上述
设
T(αk)=Tr((c3n−1+(cα+cα2)3n−1)αk)=Tr(((c3n−1+(cα+cα2)3n−1)αk)3)=Tr(cα3k+cα3k+1+cα3k+2)=a3k+a3k+1+a3k+2 | (13) |
设
T1′(αk)=Tr((cα)3n−1αk)=Tr((cα)3nα3k)=Tr(c3nα3nα3k)=Tr(cαα3k)=Tr(cα3k+1)=a3k+1 | (14) |
设
T2′(αk)=Tr((cαm+1)3n−1αk)=Tr((cαm+1)3nα3k)=Tr(c3nα3n(m+1)α3k)=Tr(cαm+1α3k)=Tr(cα3k+(m+1))=a3k+(m+1) | (15) |
其中,
以下为了叙述方便,当
u∞=(u00,u10,u20,···,u3n−1−1,0,u3n−1,0,···,u2⋅3n−1−1,0,u2⋅3n−1,1,···,u3⋅3n−1−1,1) | (16) |
对所有的非负整数
由前述定理1和上边的记法可得下面的式子是成立的,即有
0=T′(0)=T′(3n−⌊n−34⌋−1∑i=0ciui)=T′1(3n−1−1∑i=0ciui)+T′20(2⋅3n−1−1∑i=3n−1ciui)+T′21(3n−⌊n−34⌋−1∑i=2⋅3n−1ciui)=3n−1−1∑i=0ciT′1(ui)+2⋅3n−1−1∑i=3n−1ciT′20(ui)+3n−⌊n−34⌋−1∑i=2⋅3n−1ciT′21(ui)=3n−1−1∑i=0cisi+2⋅3n−1−1∑i=3n−1cisi+3n−⌊n−34⌋−1∑i=2⋅3n−1cisi=3n−⌊n−34⌋−1∑i=0cisi=0 | (17) |
由以上的讨论可以得到以下定理4。
定理4 新型自缩控序列(SSC(模3)-序列)
L(s∞)≤3n−⌊(n−3)/4⌋−1 | (18) |
定理5 新型自缩控序列(SSC(模3)-序列)
证明 设
本文从上边讨论的结果中可以看出:与文献[12-16]中的序列相比,本文中的新型自缩控序列(SSC(模3)-序列)
(1) 文献[13]中改进的自收缩序列模型是由
(2) 文献[15]中
(3) 本文中的自缩控序列(SSC(模3)-序列)的周期整除
(4) 通过此种方式得到的自缩控序列的信息利用率更高,达到
伪随机序列在通信加密、雷达信号设计和编码技术等很多领域中有着广泛的应用。在这些应用中,通常要求序列具有大的周期和高的线性复杂度。衡量伪随机性的指标主要有周期、平衡性、线性复杂度和自相关性等。本文所设计的密码序列,主要是从周期、线性复杂度这两个安全指标来分析所构造序列的安全性,本文基于
[1] Fisher R A. The use of multiple measurements in taxonomic problems. Annals of Eugenics, 1936, 22(2): 178-188. [2] Foley D H and Sammon J W. An optimal set of discriminant vectors. IEEE Trans. on Computer. 1975, 24(3): 281-289. [3] Liu C J and Wechsler H, Robust coding schemes for indexing and retrieval from large face databases. IEEE Trans[J].Image Processing.2000, 9(1):132-137 [4] 金忠, 杨静宇, 陆建峰. 一种具有统计不相关性的最优鉴别向量集. 计算机学报, 1999, 22(10): 1105-1108. Jin Z, Yang J Y, and Lu J F. An optimal set of uncorrelated discriminant features. Chinese Journal of Computers, 1999, 22(10): 1105-1108. [5] Hong Z Q and Yang J Y, et al.. Optimal discriminant plane for a small number of samples and design method of classifier on the plane[J].Pattern Recognition.1991, 24(4):317-324 [6] Liu K and Yang J Y, et al.. An efficient algorithm for Foley-sammon optimal set of discriminant vectors by algebranic method[J].International Journal of Pattern Recognition and Artificial Intelligence.1992, 6(5):817-829 [7] Chen L F and Mark-Liao,et at.. A new LDA-based face recognition system which can solve the small sample size problem [J]. Pattern Recognition, 2000, 32(3): 1713-1726. [8] 宋枫溪, 程科, 杨静宇. 最大散度差和大间距线性投影与支持向量[J].自动化学报.2004, 30(6):890-896 Song F X, Cheng K, and Yang J Y. Maximum scatter difference, large margin linear projection and support vector machines. Acta Automatica Sinica, 2004, 30(6): 890-896. [9] 刘永俊, 陈才扣. 最大散度差鉴别分析及人脸识别. 计算机工程与应用, 2006, 42(34): 208-210. Liu Y J and Chen C K. Maximum scatter difference discriminant analysis and face recognition. Computer Engineering and Applications, 2006, 42(34): 208-210. [10] 刘永俊, 陈才扣. 基于差空间的最大散度差鉴别分析及人脸识别[J].计算机应用.2006, 26(10):2460-2462 Liu Y J and Chen C K. Maximum scatter difference discriminant analysis in residual space and face recognition. Journal of Computer Applications, 2006, 26(10): 2460-2462. [11] Loog M, Duin R P W, and Haeb-Umbach R. Muticlass linear dimension reduction by weighted pairwise Fisher criteria [J].IEEE Trans. on Pattern Anal. Machine Intell.2001, 23(7):762-766
|
1. | 李旻,何婷婷. 基于随机数三角阵映射的高维大数据二分聚类初始中心高效鲁棒生成算法. 电子与信息学报. 2021(04): 948-955 . ![]() | |
2. | 刘瑞杰,王瑛,王铁流. 基于STM32F4的超短基线定位系统设计. 国外电子测量技术. 2021(05): 158-162 . ![]() | |
3. | 庞菲菲,温祥西,王晓华. 基于SVDD去除异常值的水下目标定位方法. 振动与冲击. 2021(22): 182-187 . ![]() |