阅读更多

1顶
2踩

移动开发

    14家包括索尼爱立信、华为、沃达丰和ARM公司在内的手机制造商和芯片制造商宣布加入开放手机联盟(OHA),至此,Google的Android阵营已达47家公司。

    其它公司包括:AKM半导体公司、华硕、Atheros通讯、播思通讯(Borqs)、爱立信、高明(Garmin International)、欧姆龙软件(Omron Software Co. Ltd)、软银移动(Softbank Mobile)、Teleca AB 和东芝。

  此外,索尼爱立信公司还宣布将于明年年中推出该公司首款Android手机。"Android正成为重要的手机应用平台",爱立信手机平台负责人Robert Puskaric表示说。

  Google和苹果都鼓励开发者为各自的手机平台开发应用,但苹果严格控制iPhone的硬件和操作系统,形成对比的是Google Android平台的硬件和操作系统都对外开放。

来自: sohu
1
2
评论 共 1 条 请登录后发表评论
1 楼 Sam1860 2008-12-10 10:33
apple的东西都不适合大众使用,本身不是特别优秀,只是有点个性,如果大众化了,也就没了

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • 随机数检测标准

    最新版BSI发布的AIS 2.0 版本,2011年9月份发布的。 目前国密局的随机数检测标准仍然为1.0版本的翻译版,但是 国外的CC认证普遍采用2.0版本了。 内容改动很大,需要设计RNG的亲们必备的书籍。

  • 随机数检测(一)

    密码产品使用的随机数自测试方法和符合的规范。包括GM/T 0062和GM/T 0005.

  • 随机数检测规范学习总结

    由于工作需要最近学习了随机数检测规范,了解了检测标准,以及具体的检测方法。对于目前使用的商用密码设备在出厂时随机数检测应满足以下: 1. Frequency (Monobit) Test(频率测试) 2. Frequency Test within a Block(块内频率测试) 3. Runs Test(流程测试) 4.Test for the Longest Run of Ones in a Block(块内最长游程测试) 5. Binary Matrix Rank Test(二进制矩阵测试)

  • 卡方分布(Chi-square Distribution)

    卡方分布(Chi-square Distribution) 是一种常见的连续概率分布,在统计推断和数据分析中用途广泛,常用于卡方检验(Chi-square Test)、方差分析以及最大似然估计等多个方面。本文从定义、性质、应用场景和注意事项四个维度对卡方分布进行了介绍。

  • 随机数检测(四)

    累加和检测、近似熵检测、线性复杂度检测、maurer通用统计检测、离散傅里叶检测

  • 随机性检测的五项基本检测方法

    五项基本检测方法 五项基本检测包括 频数检验(F-检验) 序偶检验(S-检验) 扑克检验(P-检验) 游程检验(R-检验) 自相关检验(A-检验) 1. 频数检验(F-检验) 目的:F-检验用来保证"0"和"1"的个数大致相同 输入:n比特序列样本Z,显著性水平α 输出:检验通过或检验失败 步骤:(参见文[1]的5.4.4节) 1. 在此序列截断中统计比特“0”和“1”的个数,分别记为和。 2. 计算检验统计量 (该检验统计量服从自由度为1的开方分布) 3. 计算..

  • 随机数的一些检测说明

    发现一篇目前水平看很不错的文章,暂且收录 前言 关于随机数测试,有两份比较常用的标准,一份是国密局的随机数检测规范,一份是NIST的测试标准 国密局标准参看GB/T 32915,NIST标准可以参看 https://nvlpubs.nist.gov/nistpubs/legacy/sp/nistspecialpublication800-22r1a.pdf 两者大体上一致,存在几个用例的区别,另外NIST除了统计P值总数,还统计P值的分布 NIST还提供了一个测试程序,可以从这里获取 https:

  • 随机数的性能检验-matlab实现

    常用的随机数性能检验方法有:参数检验、均匀性检验、独立性检验和组合规律检验,下面用matlab一一实现这些检验。(程序中调用的随机数序列生成函数square_mid_rand参考博文) 本博文实现参数检验和均匀性检验,后两种方法的实现见博文。 参数检验 一般检验随机数序列的均值、方差、峰度和偏度,matlab实现如下: % 随机数发生器生成随机数序列 [T,u1] = square_mid_rand(231, 2, 100); % 函数调用 [t1,t2,t3,t4] = parameter_test

  • 目前最新NIST随机数测试软件下载、安装、及使用教程

    最近由于科研需要,在搞一些随机数的测试的事情,众所周知 随机数测试我们可以使用NIST的软件进行多大15项的随机测试,我也在网上查找了很多大牛的博客,但是都是年代久远,很多的链接现在都是物是人非,都是不能直接使用了,今天顺便抽点时间更新一下这个NIST软件的下载及使用。我们首先讲一下该软件的下载:1.我们直接取NIST的官网(https://csrc.nist.gov/)下载即可 ;链接如下:下载...

  • 随机数测试

    学习链接 http://lavasoft.blog.51cto.com/62575/113758/import java.util.Random; /** * 随机数、随即字符串工具 * User: leizhimin * Date: 2008-11-19 9:43:09 */ public class RandomUtils { publi...

  • java制作随机校验码

    1、获取缓冲区图像对象指定宽高、图像字节灰度 BufferedImage image = new BufferedImage(width, height, BufferedImage.TYPE_INT_RGB); 2、获取画布 Graphics g = image.getGraphics(); //将填充的区域为指定颜色 g.setColor(Color.white); //填充矩形 g.fillRect(0, 0, width, heig

  • 随机数自检-扑克检测

    C#实现的随机数检测---扑克检测,C#实现的随机数检测---扑克检测

  • 随机数生成器应该如何单元测试?

    有个随机数生成函数,按以下分布随机生成1个1-100的整数:90%概率为1-50,10%概率为51-100. 单元测试应该如何进行呢?生成10000个数然后计算分布比例应该可以,只要在90%上下就算通过。但是仍有极小可能产生测试失败的可能。如何做一个具有确定性结论的测试用例?

  • NIST随机性检测(python)

    David Johnston 在 GitHub 上发布了一个名为 sp800_22_tests 的工具,网址是:https://github.com/dj-on-github/sp800_22_tests ,它是一个用 Python 语言写的程序集,能够根据 NIST SP 800-22 文档的要求,检测随机数集合的随机性,包括以下 15 种测试种类: monobit_test frequency...

  • 给定一组随机数或随机函数,怎么判断它的随机性,真随机,还是伪随机?

    最近在研究随机函数,利用很多算法,改写了随机函数,但是我在想,改写后的随机函数的随机性能最好,谁最近真随机函数,需要用一种方法来检验。 我能想到的有以下几种: 希望大家能补充。 1.直接能用数学理论证明,就是真随机。 2.用统计的方法,用足够大的样本空间,来计算没个数的随机概率,以及随机性比较; 3.把随机数连成一个数据序列,来统计1 和0 的个数,  如果随机,应该是1:1.   我觉得

  • web登录:随机验证码的设计和实现

    版权声明:本文为原创文章,转载请注明转自Clement-Xu的csdn博客。(http://blog.csdn.net/clementad/article/details/48788361) 本文特点: 针对验证码的生成做了很多算法优化和调整,支持一个典型的验证码生成和验证流程,利用缓存服务器解决聚群部署架构中数据同步的问题。 基本需求: 登录页面显示一个随机验证码...

  • R 随机性检验

    如果一组数据是随机的,那么就失去了建模的意义,所以需要对数据进行随机性检验R随机性检验:利用R的随机函数,生成一个10万个随机数,然后我们对其进行随机性检验p值为0.7404#纯随机性检验,p值小于5%,序列为非白噪声,说明序列为随机的,则没必要建模p值小于5%,该序列非随机...

  • [转]C/C++中产生随机数(rand,srand用法)

    http://zhangjunhd.blog.51cto.com/113473/197020 计算机的随机数都是由伪随机数,即是由小M多项式序列生成的,其中产生每个小序列都有一个初始值,即随机种子。(注意: 小M多项式序列的周期是65535,即每次利用一个随机种子生成的随机数的周期是65535,当你取得65535个随机数后它们又重复出现了。)    我们知道rand()函数可以用来产生随机...

  • 伪随机数生成算法及性能检验

    什么叫伪随机数         在一些问题中,比如计算机仿真和模拟、密码学等应用中,需要产生一个随机数数列来解决问题。         随机数数列分为真随机数数列和伪随机数数列。真随机数数列是完全不可预测的,可以通过放射性衰变、电子设备的热噪音、宇宙射线的触发时间等物理过程得到,但无法通过单纯的软件方式获得;伪随机数数列是可预测的,严格意义上不具有随机性质,通常用数学公式的方法获得。

Global site tag (gtag.js) - Google Analytics