پیش بینی پهنای باند ویدئو با استفاده از روش های غیر خطی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - دانشکده فنی
- نویسنده ناصر حقیقت
- استاد راهنما ماهرخ غنی شایسته
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
در این پایان نامه مسئله مربوط به پیش بینی ترافیک ویدئو با نرخ بیت متغیر(vbr) مورد بررسی قرار گرفته است. برای اختصاص پویای پهنای باند مناسب جهت دست یابی به کیفیت بالای سرویس، پیش بینی ترافیک ویدئو با نرخ بیت متغیر یک امر ضروری است. مدل¬های خود بازگشتی (ar) به صورت گسترده برای مدل سازی و پیش بینی ترافیک ویدئو استفاده می شوند. معمولاً در این مدلها برای تخمین پارامترهای مدل روش های مبتنی بر کمترین میانگین مربعات (lms) به کار می روند، اما این روشها زمانی که ترافیک ویدئو ذاتاً به صورت پویا باشد کارایی بالایی ندارند. در این پایان¬نامه در ابتدا توسط آزمون bds نشان داده می¬شود که ترافیک ویدئو غیرخطی است، بنابراین دو روش مبتنی بر روشهای غیرخطی برای پیش¬بینی ترافیک ویدئو پیشنهاد میشود. اولین روش پیشنهادی بر اساس روشهای مبتنی بر کرنل در مدل ar است، در این روشها داده های غیرخطی به فضای با ابعاد بالاتر تصویر میشوند، در فضای جدید داده¬ها رفتار خطی از خود نشان میدهند. در این پایان نامه روش klms برای پیش¬بینی اندازه فریمهای p ,i و b و نیز gop استفاده شده است. روش پیشنهادی دوم بر مبنای مدلی از خانواده غیرخطی ar به¬نام مدل lstar است. در این مدل مقادیری که از یک حد آستانه بیشتر هستند با یک مدل ar مدل می شوند و مقادیری که کمتر از حد آستانه هستند با مدل ar دیگری مدل میشوند، انتقال بین دو مدل خطی ar به طور هموار و توسط تابع منطقی صورت میپذیرد. در این پایان نامه با روش¬های تخمین پارامتر klms، روش lstar-klms برای پیش بینی ترافیک ویدئو پیشنهاد می¬شود. در پایان¬نامه حاضر، شبیه¬سازی¬های زیادی بر روی ویدئوهای مختلف با در نظر گرفتن معیارهای مختلف ارزیابی عملکرد، انجام شده است. نتایج حاصله نشان میدهند که روش klms عملکردی نزدیک به روش بهینه wiener-hopf دارد و از روش رایج nlms و نیز سایر روشهایی مانند lmk ،wlmk ،anfis و شبکه های عصبی کارآمدتر است. همچنین روش lstar-klms نسبت به مدلهای ar که برای به دست آوردن ضرایب بهینه مدل از روشهای وینر-هاف بهره میبرند عملکرد بهتری دارد.
منابع مشابه
استفاده از مدل های خطی و غیر خطی برای پیش بینی ترکیب اسید چرب عضله میگوی پرورشی
در سال های اخیر مصرف آبزیان مخصوصاً میگو به علت دارا بودن مقادیر بالایی از اسیدهای چرب چند غیر اشباع بلند زنجیره امگا 3 و جلوگیری از بیماری های قلبی و عروقی افزایش پیدا کرده است. در صنعت پرورش میگو روغن ماهی به علت مقادیر بالای اسیدهای چرب ایکوزا پنتانوئیک و دوکوزاهگزانوئیک از بهترین منابع چربی در جیره غذایی میگو می باشد، اما به علت کمبود ذخایر و قیمت بالا استفاده از آن در سال های آینده چندان مق...
متن کاملساختارهای خطی و غیر خطی در پیش بینی بازده سهام
پیش بینی بازده سهام به کمک کشف الگوهای رفتاری فرآیند مولد قیمت سهام امکان پذیر است. میزان موفقیت درکشف اینگونه الگوهای رفتاری، میزان کارایی پیش بینی را مشخص می کند. به عبارت دیگر فرآیند مولد قیمت سهام را می توان به عنوان یک الگوی دینامیکی بررسی کرد. این فرآیند ممکن است به صورت مدل های خطی، مدل های غیر خطی و یا مدل های تصادفی به دست آید. این پژوهش ساختارهای خطی پیش بینی کننده را در قالب دو مدل...
متن کاملمطالعه تطبیقی روش های خطی ARIMA و غیر خطی شبکه های عصبی فازی در پیش بینی تقاضای اشتراک گاز شهری
اطلاع از میزان تقاضای موجود در هر دوره یکی از مباحثی است که شرکت ملی گاز در راه پاسخگویی به مراجعان به آن نیاز دارد.عدم اطلاع از میزان تقاضای اشتراک سبب ایجاد مشکلاتی مانند عدم آگاهی از تعداد پیمانکاران مورد نیاز و همچنین فقدان برنامه کنترل موجودی مناسب برای انواع کنتورهای موردنیاز و دیگر عوامل مرتبط می شود. در چند دهه گذشته،اقتصاددانان و علمای مدیریت برای براورد تقاضا غالباً از روش های اقتصادس...
متن کاملپیش بینی مرگ ناگهانی قلبی (SCD) با استفاده از تحلیل های زمان – فرکانس و آنالیز غیر خطی سیگنال الکتروکاردیوگرام
مرگ ناگهانی قلبی (SCD) همه ساله جان میلیون‌ها انسان را می‌گیرد . با استفاده از تجهیزات پزشکی از قبیل دیفیبریلاتور می توان تعداد این نوع مرگ‌ها را کاهش داد، با وجود این راه‌های مناسبی برای پیش بینی مرگ ناگهانی قلبی که پزشکان بتوانند از طریق آن تصمیمات مناسبی را برای بیماران در معرض خطر بگیرند، وجود ندارد. در این مقاله با استفاده از پردازش سیگنال الکتروکاردیوگرام مرگ ناگهانی قلبی پیش بینی شده است...
متن کاملپیش بینی تبخیر و تعرق پتانسیل با استفاده از مدل غیر خطی NARX (مطالعه موردی، استان یزد)
تبخیر و تعرق پتانسیل از پارامترهای مهم سیکل هیدرولوژیک است که پیشبینی آن می تواند کمک شایانی به برنامه ریزی صحیح مدیریت منابع آب، تغییرات نیاز آبی گیاهان در آینده و نیز پیشبینی وقوع خشکسالی بنماید. در صورت نیاز به پیشبینی بلند مدت و یا میان مدت تبخیر و تعرق پتانسیل، از مدل های جهانی اقلیمی بر اساس سناریوهای انتشار مورد نظر و ریز مقیاس نمایی خروجی ها استفاده می شود. برای پیشبینی های کوتاه مد...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - دانشکده فنی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023