• Upogonjena je biblioteka JavaML.
• Pripremljene su datoteke koje sadrže podatke za učenje.
• Upogonjen je sustav Weka za strojno učenje i istraživanje podataka.
• Izrađen je program koji na temelju podataka za učenje klasificira nepoznatu datoteku.

Rezultat pokretanja aplikacije na nizu datoteka.

• Poboljšati performanse i rezultate.

Implementirani su gotovo svi testovi:

• 2.5 Binary Matrix Rank Test
• 2.11 Serial Test
• 2.12 Approximate Entropy Test
• 2.13 Cumulative Sums (Cusum) Test
• 2.14 Random Excursions Test
• 2.15 Random Excursions Variant Test

Rezultat pokretanja aplikacije na malom uzorku.

Preostala su još dva testa za implementaciju:

• 2.7 Non-overlapping Template Matching Test
• 2.8 Overlapping Template Matching Test

Ti testovi uspoređuju niz sa zadanim predloškom. Trenutno još ne znamo koji predložak će najbolje odgovarati našim potrebama.

Četiri podvarijante testa Random excursions od ukupno osam iz nekog razloga ne rade.

Upoznati se s Java Machine Learning Library bibliotekom i pokušati provesti strojno učenje nad primjerima iz izvješća.

Implementirani testovi:

• 2.4 Test for the Longest Run of Ones in a Block
• 2.6 Discrete Fourier Transform (Spectral) Test
• 2.9 Maurer’s “Universal Statistical” Test
• 2.10 Linear Complexity Test

Implementirati još testova. Implementacija testova 2.5, 2.7 i 2.8 je upitna.

Implementirani testovi:

• 2.1 Frequency (Monobit) Test
• 2.2 Frequency Test within a Block
• 2.3 Runs Test

—-