自适应传输机制在RTP的H.264视频探讨

社会的进步,科技的发展,使得互联网的应用越来越广泛。在信息发达的网络时代,视频与网络技术的结合应运而生,然而,视频并不能像图文一样能够轻易简便的进行网络传输,其数据量大等特点给网络传输带来了一定困难。本文基于RTP与H.264视频的结合对自适应再传输机制的实用性进行了探讨。

基于RPT的H.264视频实时传输探讨

随着互联网技术的迭代升级,以及多媒体技术的迅速发展,人们对网络视频信息的获取方式呈现多样化、直观化的趋势。视频实时传输技术的研究正逐渐被应用在生活及科研领域中。但由于实时网络视频流需要传输庞大的数据量,因此不但对视频压缩技术提出了更高的要求,而且服务协议的选择也显得极其重要。本文基于RTP与H.264编解码标准结合,对其在视频实时传输方面的适用性进行了探讨。

一种基于文本卷积神经网络的推荐算法

传统的矩阵因子分解模型不能有效提取用户和物品特征,而基于深度学习模型可以很好地提取特征信息。当前,主流的基于深度学习推荐算法只是单一地将神经网络的输出或物品特征与用户特征乘积的形式来做推荐预测,不能充分挖掘用户和物品之间的关系。基于此,本文提出一种基于文本卷积神经网络与带偏置项的奇异值分解(BiasSVD)结合的推荐算法,利用文本卷积神经网络(TextCNN)来充分提取用户和物品的特征信息,然后用奇异值分解方法来做推荐,深层次理解文档上下文信息,进一步提高推荐的准确性。将该算法在MovieLens的2个真实数据集上做广泛的评估分析,推荐的准确度要明显优于ConvMF算法及主流深度学习推荐算法。