3TNet视频点播系统中用户点播行为仿真及应用

通过分析3TNet视频点播（VOD）系统中的媒体服务情况,集中研究了用户点播模式、媒体热度分布,根据实际系统中用户点播分布的研究结果构建了一个用户点播行为的仿真平台。该平台描述了用户点播行为的一般数学模型,刻画了用户进入系统的行为分布特点。实验表明,VOD用户点播行为仿真平台能够客观真实地反映用户的点播行为,并通过构建一个仿真的视频点播系统来验证此平台的可用性,利用此仿真视频点播系统比较了两种部署策略的优劣。     

流调度算法验证平台的设计与实现

在VOD（视频点播）系统中,优秀的流调算法可以显著的提高系统服务能力和服务质量,典型流调度算法都针对大型视频点播系统,因此我们不可能为验证算法而建立实际的系统。我们设计和实现了一个媒体流调度算法的验证平台,在这个平台中,我们建立了用户行为的数学模型,实现了用户行为仿真器;用户行为仿真器生成的用户行为样本,可以运行在装载了不同算法的仿真系统中,在这个平台中,我们还提出了变强度用户流的概念,使平台对实际用户点播服务的仿真更加客观。     

基于P2P模式的新型视频点播系统

对扩展视频点播系统服务能力进行了研究.在所提出的ContribVoD系统中,通过用户相互共享各自拥有的视频数据,使服务器不再是视频数据的唯一来源,从而可分散视频服务器的负担,提高系统的服务能力.系统通过优化查询、数据传输动态监控及初始缓冲来保证用户的播放质量,同时利用种子选择策略来尽量避免远程数据传输,减小主干网络的负担.仿真实验显示,系统的服务能力比基于C/S模式的视频点播系统有显著提高.     

基于用户行为特征的P2P视频点播系统数据预取机制

随机搜索是用户在享受视频点播服务时常见的行为,它使得播放进度发生突然变化,同时要求系统做出及时的响应.为了缩短数据访问的响应时延,通常采用预取机制提前获取部分数据用以满足将来的需要,然而如何利用有限的存储空间预取尽可能多的有用数据是其中的关键问题.本文根据视频点播用户随机搜索操作的行为特征模型和媒体内容不同部分受欢迎程度的不同,提出一种范围受限、流行度感知的P2P视频点播系统数据预取机制RC-PAP.仿真实验结果表明,相比于现有的数据预取方法,RC-PAP 可以显著提高用户随机搜索操作时的响应速度,并减轻内容源服务器的访问压力.     

基于同步会话管理机制的P2PVoD系统研究与设计

在视频点播系统中,由于用户节点的动态性和VCR操作的复杂性,使得资源的定位一直是P2P流媒体点播系统的难题.对典型的视频点播系统的关键技术进行了研究,在此基础上,设计了一种基于同步会话管理定位机制的P2P视频点播系统,加速了节点的资源定位,更有效地支持用户的VCR操作.仿真结果表明,与P2VoD系统相比,该系统减小了节点加入系统的延迟,降低了系统的通信负担.     

基于UML方法的空间交会GNC仿真系统设计

为提高建模的快速性、可靠性、可维护性和可扩展性,采用面向对象技术对空间交会GNC仿真系统进行分析与设计.该仿真系统采用统一建模语言进行设计,从用户角度对 GNC仿真系统需要实现的功能进行了概念建模,从方案实现角度对交会系统核心对象、类及其相互关系进行了功能建模,另外采用序列图、状态图及协作图对关键的事件、流程及其活动进行了行为建模.仿真系统已得到初步实现,可以支持不同仿真背景,不同建模粒度下的仿真要求,应用结果验证了建模的特点,说明本设计方法具有一定的应用价值.     

基于两阶段学习的多行为推荐

多行为推荐系统旨在利用用户多种行为的交互数据来提升系统的推荐性能. 现有的多行为推荐方法通常将多行为数据直接作用于共享的初始化用户表征上, 并在任务中糅合了对用户偏好的挖掘和对不同行为间联系的建模. 然而, 这些算法忽视了不同交互行为中存在的数据不平衡问题(不同行为交互数据量差别较大)以及适配上述两种任务而引起的信息损失问题. 事实上, 用户偏好是指用户在不同行为中表现出来的喜好(例如, 浏览的喜好), 而各行为间的联系表现为用户偏好在不同行为间潜在的转化关系(例如, 浏览转换为购买). 在多行为推荐中, 对用户偏好的挖掘和对行为间联系的建模可以看作两个阶段的任务. 基于上述讨论, 提出基于两阶段学习的多行为推荐. 两阶段策略设计的优势是解耦了前述两种任务. 两阶段策略采取固定参数交替训练的方式实现, 并同时保留了模型端到端的结构. 1)第1阶段专注于不同行为下的用户偏好建模: 先利用所有交互数据(不区分行为类别)对用户的全局喜好进行建模, 以最大程度缓解数据稀疏性问题, 再分别利用各行为的交互数据细化该特定行为下的用户偏好(局部偏好), 以减轻不同行为之间的数据不平衡问题造成的影响. 2)第2阶段专注于对不同行为间联系的建模, 通过解耦对用户偏好的挖掘和对不同行为间联系的建模, 以缓解因适配两种任务而引起的信息损失问题. 这种两阶段模式能够显著提升系统对目标行为的预测能力. 大量实验结果表明, 所提模型在性能上远优于最先进的基线模型, 在Tmall和Beibei两个真实基准数据集上的性能提升平均可以达到103.01%和33.87%.     

卫星系统功能行为的基于Agent建模

为支持对卫星系统的仿真研究,提出使用基于agent的建模方法从功能行为角度对卫星系统进行建模.首先,介绍了系统功能行为的相关概念和建模与仿真中所用的agent技术.然后,详细分析了卫星系统地面部分和空间部分的功能行为.根据卫星系统的功能行为属性,提出一个以agent模型为核心的卫星系统模型体系--ABSSA,并介绍了其中的关键部分:基于组件的agent模型结构和卫星系统模型结构.最后,简要分析了建模思想的仿真应用和实现策略.     

视频点播系统用户行为模型的构建与应用

通过研究视频点播系统中用户的行为,构建出用户行为的数学模型,可以为视频媒体数据缓存算法改进提供依据.本文对常用的建立用户访问模型的数学模型进行了研究,对给出的一批媒体访问数据进行了建模分析,指出广延指数模型能够比Zipf模型更接近地描述实际影片点播的频率;并且用广延指数模型对影片播放长度进行了分析和拟合,验证了其有效性;进一步,基于所得的用户点播频率模型和点播长度模型,给出了一种缓存算法命中率上界的计算方法,从而为评价视频媒体数据缓存算法的性能提供了重要指导.     

一种基于用户行为的P2P模型

为研究用户行为与P2P系统的相互作用,提出一种P2P文件共享系统的数学模型。将系统引导策略引入P2P用户行为建模,综合考虑用户下载文件前后的行为特征,分析引导策略对用户行为和系统性能的影响,比较3种引导策略的效果。仿真结果表明,系统引导能有效提高用户首次选择高质量文件下载的概率,减少重新下载的次数和下载总流量。     

CBC: Caching for cloud-based VOD systems

Cloud-based video on demand (VOD) service is a promising next-generation media streaming service paradigm. Being a resource-intensive application, how to maximize resource utilization is a key issue of designing such an application. Due to the special cloud-based VOD system architecture consisting of cloud storage cluster and media server cluster, existing techniques such as traditional caching strategies are inappropriate to be adopted by a cloud-based VOD system directly in practice. Therefore, in this study, we have proposed a systemic caching scheme, which seamlessly integrates a caching algorithm and a cache deployment algorithm together to maximize the resources utilization of cloud-based VOD system. Firstly, we have proposed a cloud-based caching algorithm. The algorithm models the cloud-based VOD system as a multi-constraint optimization problem, so as to balance the resource utilization between cloud storage cluster and media server cluster. Secondly, we have proposed a cache deployment algorithm. The algorithm further manages the bandwidth and cache space resource utilization inside the media server cluster in a more fine-grained manner, and achieves load balancing performance. Our evaluation results show that the proposed scheme enhances the resource utilization of the cloud-based VOD system under resource-constrained situation, and cuts down the reject ratio of user requests.     

基于KAD网络的P2P流媒体点播系统节点路由算法的研究和改进

P2P流媒体的点播研究目前是个热点.在P2P Kademlia网架构分析的基础上,设计开发了一套基于KAD网络的P2P流媒体点播系统.首先描述了P2P Kademlia网络本身的路由与查找机制,之后提出了基于KAD网的P2P流媒体点播系统架构.然后重点描述了基于Kademlia网络的P2P流媒体的节点路由和查找改进算法,主要包括网络中P2P节点的加入机制、媒体资源发布机制、媒体资源的搜索和节点的离开机制等.通过对比实验,证明了本算法和方案支持P2P网络中的节点高效率的路由查找和维护,同时增强了P2P流媒体点播网络的健壮性和扩展性.最后展望了该领域的主要研究方向.     

一种分布式VOD系统的方案设计

视频点播(VOD)是目前广受网络用户欢迎的应用服务,而节目调度问题始终是VOD系统方案设计和实现中的一个重要问题。该文针对互联网的用户点播特点,从用户行为和节目流行度入手,详尽分析了系统体系和用户点播流程。通过改进基于流行度的节目调度策略,采用每个节目不同片段分块备份存储和不同时间实时调度相结合的方案。实验表明,该方案的边缘Server资源利用率较高,系统能达到较好的服务性能。     

基于统计学模型的VOD负载均衡设计

现有的负载均衡算法大都基于Web服务,并不适用于视频点播(VOD)。而基于VOD的负载均衡算法没有考虑用户操作以及一个节目不同片段的访问概率差异等因素对系统负载的影响。因此,设计一种基于统计学模型的负载均衡设计方法,从用户的随机性操作出发,统计分析其规律,根据不同节目不同片段的不同点播率对片源进行分块备份存储。通过仿真实验证实了算法较其他算法的优越性,提高了各节点服务器资源利用率,达到了负载均衡的目的。     

客户端缓存容量的分区流切入算法

流切入算法对视频点播研究有重要影响。用流切入算法可以实现真视频点播系统,因此该算法实现的系统的用户满意程度很高,可以有效地降低用户的食言概率。该文提出了一种基于客户端缓存容量的分区流切入算法。通过以客户端缓存容量的大小作为分区依据将原始流分成若干切入区,进一步提高了通道利用率。文章最后进行了模拟实验,结果表明在一定的资源利用情况和视频点播服务器工作负荷下,分区流切入算法比流切入算法在通道利用率上效果更优,算法性能提高将近50%。     

一种基于调度的VOD系统的研究与实现

传统的视频点播(Video-On-Demand，VOD)系统中，服务器为每个用户请求分配一个独立的信道。这样过多的用户经常会造成系统的服务器I/O带宽或网络带宽的瓶颈。对服务器信道调度方案的设计是缓解这一瓶颈问题的一种有效方法。介绍了一种采用了可控多播(Controlled Multieast，CM)信道调度方案的系统的实现。测试结果表明，该系统可以节约带宽，增大视频点播服务的用户数目，较好地缓解传统VOD系统中的服务器I/O或网络带宽瓶颈问题。     

大规模层次化视频点播存储系统的设计与管理

近来计算机和通信技术的发展使得视频点播（video-on-demand,简称VOD)在技术和经济上成为可能.连续媒体的特性使得VOD系统需要大规模的存储服务器.层次化存储体系是减少系统费用的合理方案.文章提出了一种层次化的存储模型和磁盘cache的概念.根据这个模型,提出了基于访问频率的替换算法,并对算法的有效性进行了模拟和分析.结果表明,这种算法解决了LFU(least frequently used)算法中的“cache污染”（cache pollution）问题,能较好地适用于连续媒体数据应用.     

一种克服磁盘存取受限的视频点播机制

1 引言在视频服务器中,大量的待点播视频流数据以分级存储模式被加以组织,其中点播概率小的节目被存放在低速廉价的光盘库中作为非在线视频(off-line)。为保证视频的播送质量,非在线视频必须先存放到硬盘缓冲区中才能被播放。进一步考虑到网络传输性能因素,将视频服务器按层次化结构进行组织,将待点播的视频数据靠近用户存放,保证缓存的数据     

基于对等网络模式的视频点播系统设计

根据当今视频点播系统的现存问题，提出了在对等网络模式上视频点播系统的设计方案，使所有的客户既是服务的消费者又是服务的提供者，从而克服了现在视频点播系统的瓶颈问题。