科研之友
微信
新浪微博
Facebook
分享链接
摘要
在P2P流媒体系统中,要想用户获得较好的观看质量,系统会选择流行度较高的视频段,在某些情况下并非响应时间最短就是最佳的视频段,还要看用户使用的需求。新上映的视频段的流行度没有形成稳定的趋势,因此没有足够的数据,传统的统计方法不能及时反映出流行度的变化。针对此问题,本文提出一种基于马尔可夫修正模型的视频预测缓存策略(Modified Markov Prediction Model,MMPM),该策略可以在用户历史访问记录不多的情况下运行,从视频段点击的次数中获取状态转移矩阵,以适应用户点击率的持续变化。仿真实验表明,动态预测的实现提高了命中率及响应速度,验证了算法的有效性、准确性及快速性。
