基于“云+端”模式的多媒体网络模型分析

来源 :山东科技大学 | 被引量 : 0次 | 上传用户:wxwp_xu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
以视频为主的多媒体应用一直被认为是互联网的“杀手级”应用,绝大部分的互联网流量被视频内容所占据。与此同时,多媒体内容和用户的爆炸式增长也对Internet提出了更高的要求。因此,如何向海量用户提供按需、个性化的多媒体服务成为业界关注的焦点。  内容分发作为一种资源部署模式,它通过管理、调度与整合分布在网络上的各种资源,以统一的方式为大量用户提供服务,用户则按需计量地使用这些服务。从用户的角度来说,未来多媒体网络应该能对用户需求进行准确、方便的描述,并对终端设备信息(如 PC、手机、笔记本电脑、平板电脑等)进行感知,从而实现根据用户需求进行服务资源的发现、匹配与推荐,方便用户获取“云”中丰富的信息和应用。  本文提出了基于“云+端”模式的多媒体网络架构。在“云”端,结合内容分发网络(CDN,Content Delivery/Distributed Network)和对等网络(P2P,Peer to Peer)的各自优势,该多媒体网络以CDN-P2P混合式流媒体分发体系结构为基础,CDN提供商广泛收集和网络环境有关的各方面信息(包括网络内容、终端设备等),并将它们反馈给互联网内容提供商,内容提供商根据应用环境的不同,重新包装其服务内容,然后按照不同用户的需求提供差异性服务。在该多媒体网络中实现内容感知,满足了用户按需分配的需求。在客户端,多媒体网络为用户提供请求服务的交互界面(即用户使用“云”的入口),用户可以通过Web浏览器进行注册、登录及定制服务,HTML5会让终端平台的浏览器有更快的网页加载速度和更少的能量消耗,具有更好的用户体验合意性和视觉感受;使用上下文感知技术能够屏蔽终端异构性,采用上下文推荐机制为用户提供个性化的服务。综合以上信息,以用户体验为中心,通过软件的魔力,实现对用户环境和用户行为的深度感知,在不同的设备上为用户提供简单、个性化、跨平台的按需服务体验。  文章最后介绍基于“云+端”模式的多媒体网络整体架构,综合多媒体网络的技术特征,引入了三层环境状态、三种感知技术和三层空间模型,最后分析了分布式网络视频分发体系结构及其资源管理的方法。
其他文献
随着社会的进步和科学技术的不断提高,交通运输网络体系变的越来越庞大、复杂,那么如何在规模庞大、结构复杂的交通运输网络中寻求一条高效、时实、可靠的最短路径却成为人们眼
医学图像配准是指针对两幅医学图像,通过对其寻找某种空间变换,使得两幅图像的特征点、面或像素值达到空间上的一致。医学图像配准在临床上有非常重要的研究意义,是非常有价值的
形式概念分析(Formal ConceptAnalysis,FCA),也称概念格理论,是Wille R于1982年提出的一种有效的知识表示与知识发现工具,目前已被成功的应用到很多领域,如知识工程、机器学习、信息
在云计算、大数据环境下,负载均衡问题逐渐成为研究的焦点之一。负载均衡是实现集群最优调度的主要目标之一,计算节点的负载不均衡,就会导致云平台上任务执行效率低、严重浪
随着遥感应用逐渐趋向于定量化和精确化,高光谱解混作为高光谱遥感影像处理的关键技术之一,日益引起国内外学者的广泛关注。高光谱解混是指利用高光谱图像将混合像元分解为几种基本类型的地物光谱向量(端元),并求得这些基本地物所占比例(丰度)的技术。高光谱解混性能的提高,不仅有利于高光谱应用的发展,如地物的分类和识别、图像的解译和可视化、图像的增强和压缩等,也对地质勘探、农业监测和军事侦查等具有重要意义。本文
随着互联网技术和经济的飞速发展以及Saas概念的提出,传统的服务行业也发生了巨大的变化。面对互联网中急剧增长的服务资源提供商和服务需求客户,我们提出了面向双边资源整合(B
随着多媒体技术和万维网的快速发展,从海量图像数据中检索出来人们需要的图像信息成为一个急需解决的问题。不同于传统的基于文本的图像检索方式,基于内容的图像检索成为大规模
多核处理器已经成为目前主流的处理器,相应的多线程并发编程也成为了目前主流的编程。多线程并发程序在充分利用多核处理器带来的高运行效率的同时,相比于串行程序也带来了更多线程交错的不确定性。线程的交错执行让程序员对并发程序的理解更加困难,使并发程序存在着比串行程序更多的错误和缺陷。因此,并发程序的正确性成为了研究热点,而对并发程序正确性的验证,也成为了当下程序验证领域的热门话题。并发程序正确性的验证工作
学位
随着大数据时代的到来,出现了大量的序列数据,而当前研究的热点与难点是从其中挖掘出用户感兴趣以及有价值的信息。然而,目前大多数的研究都为非负间隙的序列模式匹配,对每个
与传统的视频监控技术相比,智能视频监控系统可以独立完成视频内容的分析工作,并对分析结果做出相应处理。智能视频监控技术涉及计算机视觉、模式识别、视频图像处理和人工智能