基于特征融合和机器学习的网络视频流分类

网络流分类对于有效管理网络以确保服务质量(QoS)至关重要.目前,特征融合在网络流分类领域取得了一些研究成果,但是其分类有效性还有待改善.在以往的研究基础上,提出了一种新的特征融合方法,通过对原始统计特征之间进行组合运算得到融合特征.与原始统计特征相比,有些融合特征更有效,或者两者互补.因此,为了提取对分类有用的信息,...     

一种快速有效的体视图匹配方法

研究了体视技术中最困难的一点:体视图的特征匹配问题.首先探讨了若干理论问题,然后提出了一种基于边缘线段的、快速有效的体视图匹配方法.其匹配过程分为两步:初始匹配和引导匹配.在初始匹配中,施加了epipolar约束和局部的几何与区域约束,以减小搜索空间.引导匹配在一个线段连接关系图的启发引导下进行,其特点是使用启发式搜索技术,基本避免了搜索空间的指数爆炸问题.最后给出了实验结果.     

基于优先级区分的调度及主动队列管理算法

文中研究在UMTS网络的AM模式（Acknowledged Mode）下实现基于优先级区分的调度及主动队列管理.提出了MP-SAQM（Multi-priorities Scheduling and Active Queue Management Algorithm）算法.算法将不同的QoS类别归入不同的优先级队列,根据MPADRR（Multi-priorities Average Deficit Round Robin）调度算法按照优先级高低进行调度,并对不同QoS类别设置均匀的队列缓冲区,保证了调度的公平性.同时使用差异化的RED（Random Early Drop）算法进行主动队列管理,对不同优先级队列执行不同的丢包策略.仿真结果验证了该算法的有效性.     

泛在异构网络水平QoS映射方案和技术综述

不同网络的QoS机制存在差异,各种应用的QoS需求也不同,给泛在异构网络QoS保证带来挑战。为了满足异构网络QoS需求,最大化利用网络资源,最小化操作代价,应建立一种能够保证异构网络QoS的机制。QoS映射是有效的解决方案,它可以完成不同网络QoS之间的自动翻译,有利于降低问题的复杂度,能保证异构网络的QoS需求。因此,本文对现有的异构网络水平QoS映射方案和技术进行综述和比较,重点介绍了AQCM-ASM映射策略和FAbS模型,并给出了今后的研究方向。     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向.在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点.最后,展望了这一领域未来研究的热点.     

有线-无线混合IP网络多媒体传输算法研究

提出了一种端到端的在异构的有线-无线混合IP网络上多媒体传输的改进算法WMTA(wireless multimedia transmission algorithm).通过研究Gilbert无线差错模型仿真环境中包的长度与丢包率的关系,发现包长与丢包率呈线性增长的关系.基于上述观察,算法通过交替发送大小数据包探测随机和拥塞丢包数,并根据两种丢包的程度进行速率控制.针对不同网络状态转换时算法更新慢的缺点,添加了更新因子K,使算法在网络状态转换时能迅速适应当前网络的状态.仿真结果表明,与现有算法相比,WMTA无论是在运行单个流还是存在竞争流情况下,都能够达到更高的吞吐量和带宽利用率,有效地提高了网络中多媒体传输的服务质量(QoS).     

基于视频的车辆检测算法综述

首先回顾了各种车辆检测方法,指出视频检测技术日益成为最具优势、最有发展潜力的检测方法.在此基础上,对各种基于视频的车辆检测算法分别进行了详细介绍,并给出了它们的性能比较.最后,本文提出了基于视频的车辆检测算法研究的难点及未来发展趋势.     

基于相关性特征选择和深度学习的网络流分类

随着网络和多媒体技术的发展,网络流量类别越来越多。网络流量正确分类对服务质量保证、资源分配等非常重要。现有研究中,运用简单的算术运算来融合特征,取得了有效的成果。但是,现有特征融合的运算方法比较单一,且高维特征中存在较多的冗余。为此,提出了增强特征融合方法,生成高维特征,并使用皮尔森相关系数选择最优特征组合。在两个真实数据集上对所提方法进行了测试,发现当特征之间的相关性阈值为0.90时,可以最大程度地删除冗余特征。之后,将选择特征生成二维灰度图,使用卷积神经网络(Convolutional Neural Networks, CNN)分类模型,总体准确率可达99.84%;与文献方法相比,准确率提高了2～4个百分点。     

一种基于深度学习的网络流量细粒度分类方法

随着网络视频服务持续增长,为了更好地区分不同质量的视频服务和管理网络资源,提出了一种基于深度学习的网络流量细粒度分类方法.该方法设计了一种扩展流特征信息的表达方式,将更丰富的特征信息以图片形式表示出来,应用卷积神经网络对图片代表的流数据实现细粒度分类,且省去了特征设计和选择环节.通过对视频数据进行实验,分类准确率达到了...     

改善传统体视技术三维测量精度的一种新方法

针对被动式体视技术精度受限的缺点,研究了改善被动式技术三维测量精度的方法。其主要手段是:(1)使用参数曲线精确地逼近(亚象素精度)混有噪声的线段,从而减小测量噪声的影响;(2)利用广义圆锥直接求出连续域空间物体坐标值,基本克服了取样点不够细而引入的量化误差限制。文中算法无需知道两幅图中精确的点对应关系,因而即使是分辨率较低的输入设备,也可达到较高的三维测量精度。