一种面向DASH的QoE客观评价模型

近年来,流媒体视频服务正以前所未有之势影响着人们的生活。用户体验质量(quality of experience,QoE)作为衡量流媒体视频服务质量的重要指标,一直受到工业界和学术界的关注。基于HTTP的动态自适应流(dynamic adaptive streaming over HTTP,DASH)国际标准对QoE有了新要求,然而目前面向DASH的QoE客观评价模型较为简单,在高质量视频传输上仍有较大的提升空间。因此,面向DASH,提出了一种基于时序卷积网络(temporal convolutional network,TCN)和注意力机制的QoE客观评价模型,使用LIVE-NFLX-II数据集作为实验数据,通过特征分析从众多候选特征中选取最佳特征作为TCN的输入,同时使用注意力机制模块SE-Net对提取的时序特征进行加权,通过训练得到最终的QoE客观评价模型。实验结果表明,本文提出的QoE模型可以很好地拟合QoE特征与主观体验之间的关系,较当前面向DASH的最优的QoE模型在各项指标上平均提升8%左右。

智慧城市中QOE感知服务组合策略的研究

无线传感器的发展和物联网技术的应用,配有物联网的设备正以一种全新的“智能终端服务”的形式进入人类生活,要想在复杂冗余的物联网环境中寻得满足不同用户需求的服务,需要考虑服务组合的概念。为此,在对传统服务组合研究方法深入分析的基础上,提出了智慧城市的服务组合选择策略。首先根据物联网应用服务的多样性,通过改进蚁群算法获得用户对服务的偏好顺序,然后使用层次化QOE评价模型量化客户体验质量,进而选出最优服务组合提供给用户。根据提出的服务组合策略,给出服务选择具体的实施流程,通过仿真模拟表明基于改进蚁群算法的服务组合策略在服务选择问题上具有一定的推广价值。