Алгоритам за динамичку адаптацију код преноса тока мултимедијалних података

Guardado en:

Detalles Bibliográficos
Publicado en:	PQDT - Global (2025)
Autor principal:	Banovic, Radenko
Publicado:	ProQuest Dissertations & Theses
Materias:	Streaming media Protocol Multimedia Computer networks Neural networks Computer science
Acceso en línea:	Citation/Abstract Full Text - PDF Full text outside of ProQuest
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

MARC


LEADER	00000nab a2200000uu 4500
001	3261713757
003	UK-CbPIL
020			\|a 9798291517680
035			\|a 3261713757
045	2		\|b d20250101 \|b d20251231
084			\|a 189128 \|2 nlm
100	1		\|a Banovic, Radenko
245	1		\|a Алгоритам за динамичку адаптацију код преноса тока мултимедијалних података
260			\|b ProQuest Dissertations & Theses \|c 2025
513			\|a Dissertation/Thesis
520	3		\|a У овом раду је предложен DASH адаптивни алгоритам који користи сљедеће улазне вредности: тренутни ниво попуњености меморије за привремено чување података, пропусност рачунарске мреже приликом преузимања посљедњег DASH сегмента и излаз Такаги-Сугено-Канг модела који представља предикцију пропусности рачунарске мреже у наредној итерацији преузимања DASH сегмента. Урађена је аблативна студија којом је утврђено који ТСК модел има најбољу предикцију пропусности рачунарске мреже. Прегледом стања у области дефинисани су и кључни индикатори квалитета корисничког доживљаја, а то су: просјечна битска брзина преузетих сегмената, број промјена битских брзина између сукцесивних сегмената, просјечна вриједност промјена битских брзина и трајање празне меморије за привремено чување података (вријеме у ком је репродукције мултимедијалног садржаја заустављена). In this paper, a DASH adaptive algorithm is proposed that uses the following input values: the current buffer occupancy, the throughput when downloading the last DASH segment, and the output of the Takagi-Sugeno-Kang model, which represents the prediction of the network throughput in the next download iteration. An ablative study was conducted to determine which TSK model has the best prediction of computer network throughput. There are four key indicators of QoE that should be measured in experimental evaluation: average bitrate, number of transitions between different bit rate levels, value of bit rate changes and duration of empty buffer (time during which playback of multimedia content is stopped). U ovom radu je predložen DASH adaptivni algoritam koji koristi sljedeće ulazne vrednosti: trenutni nivo popunjenosti memorije za privremeno čuvanje podataka, propusnost računarske mreže prilikom preuzimanja posljednjeg DASH segmenta i izlaz Takagi-Sugeno-Kang modela koji predstavlja predikciju propusnosti računarske mreže u narednoj iteraciji preuzimanja DASH segmenta. Urađena je ablativna studija kojom je utvrđeno koji TSK model ima najbolju predikciju propusnosti računarske mreže. Pregledom stanja u oblasti definisani su i ključni indikatori kvaliteta korisničkog doživljaja, a to su: prosječna bitska brzina preuzetih segmenata, broj promjena bitskih brzina između sukcesivnih segmenata, prosječna vrijednost promjena bitskih brzina i trajanje prazne memorije za privremeno čuvanje podataka (vrijeme u kom je reprodukcije multimedijalnog sadržaja zaustavljena).
653			\|a Streaming media
653			\|a Protocol
653			\|a Multimedia
653			\|a Computer networks
653			\|a Neural networks
653			\|a Computer science
773	0		\|t PQDT - Global \|g (2025)
786	0		\|d ProQuest \|t ProQuest Dissertations & Theses Global
856	4	1	\|3 Citation/Abstract \|u https://www.proquest.com/docview/3261713757/abstract/embedded/L8HZQI7Z43R0LA5T?source=fedsrch
856	4	0	\|3 Full Text - PDF \|u https://www.proquest.com/docview/3261713757/fulltextPDF/embedded/L8HZQI7Z43R0LA5T?source=fedsrch
856	4	0	\|3 Full text outside of ProQuest \|u https://nardus.mpn.gov.rs/handle/123456789/23186