LFSN自相似网络流量模型的相关结构研究

在基于一般线性分形稳定噪声(LFSN)的网络流量模型中,需要对模型与实际流量样本的相关结构进行检验,以验证模型有效性.LFSN作为一种非高斯过程,一般不存在二阶矩,使基于二阶矩的方法不再适用,给检验带来一定的困难.本文考察了样本标准自相关函数(NACF)、共变(Covariation)和共差(Codifference)这三种度量,对相关结构进行实际验证,验证后二者的有效性,提出将一般化共差作为非高斯情况下相关性度量的一种统计手段.     

AVS1.0中熵编码技术的研究

对AVS1.0熵编码器的设计进行了介绍.在AVS1.0熵编码器中,对一个块的残差系数进行编码时,为了适应不同阶段的非零系数概率分布状况,通过前向预测建立了多张码表与之匹配,以达到基于上下文自适应的目的.还提出了一种新的前向预测机制,较传统VLC性能有显著的提高.     

移动视频会议系统及其实现技术

随着无线通信,多媒体应用的快速发展,移动视频会议系统很快将成为一种极为重要的网络应用。本文探讨了移动视频会议系统的实现方案,工作原理,研究了系统中的关键技术,尤其是路由技术,最后还指出了目前移动视频会议系统可能遇到的问题。     

基于流量分布矩阵的吞吐量稳态分析及速率控制

本文以静态流量分布矩阵为业务模型,将端系统的各种限制都等效为传输容量的限制,分析了一类分布式应用在端系统存在瓶颈条件下的稳态吞吐量性能,分析了稳态吞吐量唯一性,公平性条件以及扩展性,并提出了一种速率控制方案。     

一种基于预测频度的AVS／H．264快速4×4帧内预测模式选择算法

提出了一种新颖的4×4快速帧内预测模式选择算法。该算法挖掘了帧内预测算法本身的部分性质，即不同像素在不同预测方向中的频度权重不同这个特点，同时利用了子块的平滑性与相关性，设计了3个能快速命中预测模式的自适应门限。实验表明本算法能在几乎不改变PSNR的情况下大幅度降低4×4帧内预测复杂度。     

视频编码中算术编码的二进制化研究

二进制化是自适应二进制算术编码中的重要步骤,在二进制级别进行概率估计与编码,能有效降低编解码计算复杂度。本文提出一种新型二进制化方法,根据相邻变换块的非零系数个数存在的高度相关性,对变换块的非零系数个数进行自适应二进制化;在设计二进制化算法的过程中,还针对概率分布近似对称的情况,提出一种简化的将语法元素映射为码字序号的规则。实验结果表明,与传统方法相比,新的算法能在压缩效率相当的前提下,有效降低计算复杂度。     

自相似网络流量差分分析新方法

多媒体网络流量具有重尾特性及自相似特性,已得到了广泛的认同.而Alpha-stable过程作为Gaussian过程的推广能很好地描述重尾特性及自相似特性.在简要介绍了Alpha-stable分布和Alpha-stable过程的基础上,本文研究分析了当前基于线形分形稳定噪声(LFSN)理论的网络业务流量模型,并提出了基于差分分析的新方法及基于差分分析的LFSN流量模型参数估计新方法.对Bellcore实验室采集数据的拟合验证结果表明,该估计方法能准确确定模型参数.     

一种基于小波变换和FIR神经网络的广域网网络流量预测模型

该文提出了一种基于小波变换和FIR神经网络的广域网网络流量预测模型,首先采用小波分解把网络流量数据分解成小波系数和尺度系数,即高频系数和低频系数,将这些不同频率成分的系数单支重构为高频流量分量和低频流量分量,利用FIR神经网络对这些分量分别进行预测,将合成之后的结果作为原始网络流量的预测。实验结果表明：采用该模型对实际的广域网网络流量数据进行预测,不仅可以得到较快的收敛效果,而且预测性能比现有的小波神经网络和FIR神经网络要好得多。     

基于HTTP的网络服务性能建模与分析

该文将服务器系统和通信访问网络考虑为一个整体建模,给出了一个基于HTTP的Web系统的服务性能模型,并将模型扩展到了多服务器系统;分析了各模型参数对网络服务性能的影响,提出了避免死锁状态的方法和增加服务器的速率原则;最后对比了几种提高服务性能的方法.仿真结果证实了模型的有效性.     

基于双重迭代的零样本低照度图像增强

针对低光照条件下拍摄图像质量低下的问题,该文提出一种基于双重迭代的零样本低照度图像增强方法。其外层迭代通过卷积神经网络估计增强参数,再由内层迭代进行图像增强,增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络,最终通过多轮迭代生成高质量的图像。在该框架下,还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块,并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数。大量实验结果表明,该方法可有效将低光照图像增强为高质量的清晰图像,其性能优于现有的同类方法。同时该方法基于零样本学习,不需任何训练数据集,具有良好的普适性。