文献

J-GLOBAL ID：201702280768186815   整理番号：17A1772677

予測モデルに基づいた客観的ビデオストリーミングqoe測定【Powered by NICT】

Objective video streaming qoe measurement based on prediction model

著者 (2件)： Ghani Rana F. (University of Technology) ,  Shalal Osama Falah (Informatics Institute for Postgraduate Student)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CEEC  ページ： 201-206  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 後ビデオストリーミングサービス,サービスを構築するための追跡の広範なユーザを満足し,示した含有量の知覚を向上させる品質のより良い程度を提供する。はすべて経験のユーザ知覚あるいはユーザ品質(QoE)を測定する方法を見つけるために必要である。本研究では,性能を比較するために多重機械学習アルゴリズム(決定木C4.5,AdaBoost,ランダムフォレスト,多層パーセプトロンANN)を用いてビデオストリームを測定するための新しい手法を提案し,利用者認識の程度を定量化する低複雑性述語ユーザ平均オピニオン評点(MOS)時間で抽出された複合ビットレート画素モード特徴を用いた。いくつかの方法を10倍交差検証,複数の割合で分割(トレーニングセット,試験セット)regularsデータセット,二乗平均平方根誤差(RMSE)のようなモデル予測を検証するために用いた。結果AdaBoostディシジョンツリーを時間と精度で最高の性能を持つモデルであることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ディシジョンツリー ,  学習アルゴリズム ,  品質 ,  画素 ,  多層パーセプトロン ,  *予測モデル
準シソーラス用語： ビットレート ,  MOS評価 ,  述語 ,  低複雑性 ,  ビデオストリーム ,  ランダムフォレスト ,  AdaBoost ,  体感品質 ,  *ビデオストリーミング , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 予測モデル ,  ビデオストリーミング ,  QoE