本文關(guān)鍵詞：CDN-P2P混合流媒體分發(fā)系統(tǒng)中用戶群分組方法研究

  更多相關(guān)文章： 混合流媒體分發(fā) 用戶群分組 無監(jiān)督聚類 樸素貝葉斯分類器 服務(wù)節(jié)點(diǎn)選擇 全局最優(yōu)

【摘要】：CDN-P2P混合分發(fā)網(wǎng)絡(luò)融合了CDN高可擴(kuò)展性與P2P部署和維護(hù)成本低的優(yōu)勢(shì),是流媒體分發(fā)系統(tǒng)當(dāng)前的研究熱點(diǎn)。本文重點(diǎn)對(duì)CDN-P2P混合流媒體分發(fā)系統(tǒng)中用戶群分組算法展開研究。首先,針對(duì)分發(fā)系統(tǒng)中服務(wù)節(jié)點(diǎn)為用戶提供服務(wù)時(shí)出現(xiàn)跨ISP、跨地域通信,造成通信費(fèi)用高、通信質(zhì)量差以及對(duì)骨干網(wǎng)壓力大等問題,結(jié)合節(jié)點(diǎn)接入網(wǎng)絡(luò)類型、到地標(biāo)節(jié)點(diǎn)網(wǎng)絡(luò)延遲、地標(biāo)序等參數(shù),提出了一種基于無監(jiān)督聚類算法和樸素貝葉斯分類器的分組算法Cluster Bayes。利用改進(jìn)的K-Medoids聚類算法和層次聚類算法對(duì)選取的代表節(jié)點(diǎn)分組,利用樸素貝葉斯分類器對(duì)網(wǎng)絡(luò)中剩余節(jié)點(diǎn)以及新加入節(jié)點(diǎn)分組,將通信性能好、物理距離近的節(jié)點(diǎn)劃分到相同的分組內(nèi),使得請(qǐng)求節(jié)點(diǎn)能就近、高質(zhì)量地獲取資源。最后通過數(shù)值仿真驗(yàn)證了Cluster Bayes算法的有效性。然后,針對(duì)現(xiàn)有算法在為用戶選擇服務(wù)節(jié)點(diǎn)時(shí)忽視系統(tǒng)全局性能的問題,提出一種全局最優(yōu)的服務(wù)節(jié)點(diǎn)選擇算法Opti SS。利用Cluster Bayes算法確定候選服務(wù)節(jié)點(diǎn)集,通過構(gòu)造全局流量函數(shù)求解其最優(yōu)解的方法確定全局最優(yōu)的服務(wù)節(jié)點(diǎn)選擇方案,提升了用戶體驗(yàn)、減少了跨區(qū)域通信量。最后通過數(shù)值仿真驗(yàn)證了Opti SS算法的有效性。最后,通過系統(tǒng)模型說明了Cluster Bayes算法和Opti SS算法在混合流媒體分發(fā)系統(tǒng)中的應(yīng)用。
【關(guān)鍵詞】：混合流媒體分發(fā) 用戶群分組 無監(jiān)督聚類 樸素貝葉斯分類器 服務(wù)節(jié)點(diǎn)選擇 全局最優(yōu)
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP393.02;TP311.13
【目錄】：

• 摘要4-5
• Abstract5-6
• 第一章 緒論6-12
• 1.1 研究背景及意義6-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.3 論文研究內(nèi)容10-11
• 1.4 論文結(jié)構(gòu)安排11-12
• 第二章 流媒體系統(tǒng)概述12-20
• 2.1 流媒體技術(shù)概述12-13
• 2.2 流媒體分發(fā)模式13-18
• 2.2.1 C/S架構(gòu)的流媒體分發(fā)模式13-15
• 2.2.2 P2P流媒體分發(fā)模式15-16
• 2.2.3 CDN-P2P混合流媒體分發(fā)模式16-18
• 2.3 CDN-P2P混合流媒體分發(fā)系統(tǒng)關(guān)鍵技術(shù)18-19
• 2.3.1 資源定位技術(shù)18
• 2.3.2 服務(wù)節(jié)點(diǎn)選擇算法18-19
• 2.4 本章小結(jié)19-20
• 第三章 用戶群分組算法20-49
• 3.1 相關(guān)技術(shù)概述20-23
• 3.1.1 無監(jiān)督聚類算法20-22
• 3.1.2 樸素貝葉斯分類器22-23
• 3.2 用戶群分組算法設(shè)計(jì)23-37
• 3.2.1 網(wǎng)絡(luò)節(jié)點(diǎn)特征的提取23-24
• 3.2.2 網(wǎng)絡(luò)節(jié)點(diǎn)間的距離24-26
• 3.2.3 代表節(jié)點(diǎn)的分組26-29
• 3.2.4 其他網(wǎng)絡(luò)節(jié)點(diǎn)的分組29-37
• 3.3 仿真與分析37-48
• 3.4 本章小結(jié)48-49
• 第四章 服務(wù)節(jié)點(diǎn)選擇算法49-62
• 4.1 相關(guān)技術(shù)概述49-51
• 4.2 服務(wù)節(jié)點(diǎn)選擇算法設(shè)計(jì)51-56
• 4.2.1 候選服務(wù)節(jié)點(diǎn)集51-52
• 4.2.2 全局最優(yōu)選擇策略52-56
• 4.3 仿真與分析56-61
• 4.4 本章小結(jié)61-62
• 第五章 基于用戶群分組的混合流媒體分發(fā)模型62-71
• 5.1 模型架構(gòu)62-67
• 5.2 算法應(yīng)用67-70
• 5.2.1 ClusterBayes算法應(yīng)用67-68
• 5.2.2 OptiSS算法應(yīng)用68-70
• 5.3 本章小結(jié)70-71
• 第六章 總結(jié)及展望71-72
• 6.1 全文總結(jié)71
• 6.2 展望71-72
• 參考文獻(xiàn)72-75
• 致謝75-76
• 附錄76-83

，

本文編號(hào)：899678