网络缓存和边缘Computing-Based直播优化对足球比赛

文摘

足球比赛的业务被称为世界第一运动,多亏了超过十亿人的关注。与大融合媒体的发展,足球比赛的转播逐渐成为工业化和商业化,这与经济增长有着直接的关系。足球比赛的直播,用户更关注质量的经验,即。、定义和瞬时性。而言,这样的两个指标,当前直播方案难以掩盖。因此,本文利用新兴网络缓存和边缘计算技术来优化足球比赛的直播,IELB缩短。起初,直播优化框架基于网络缓存和边缘计算。然后,基于拍卖的方法用于解决边缘计算任务调度问题。此外,介绍了视频压缩算法基于自适应卷积内核加速视频传输,保证用户尽快获得足球比赛的内容。拟议中的IELB验证基于收集到的真正的足球比赛数据集通过评估响应时间,和实验结果表明,IELB是可行的和有效的。

1。介绍

随着时代的进步,工业化和商业化发展足球一直在快速提升。在所有户外运动,足球获得最高的产出价值,拥有影响最大,最广泛的关注。根据统计数据,每年足球的总产值占43.5%的所有运动,达到4000亿美元,超过一些发达国家和地区的国内生产总值。因此,足球是无愧于世界第一的运动(1,2]。此外,根据国际足联的统计数据,有160万个团队与全球超过02亿名运动员在各种各样的足球比赛在2019年底(3]。特别是移动互联网的快速发展和媒体大融合,足球比赛的直播4)逐渐成为工业化和商业化,这吸引了许多互联网公司发展相关业务。事实上,对于足球比赛的直播,用户更加注重质量的经验(体验质量)5),即。,high definition and nice instantaneity, which needs that the whole process of live broadcasting guarantees the fluency. However, for the two evaluation metrics (i.e., high definition and nice instantaneity), the current live broadcasting schemes based on content delivery networks (CDN) [6- - - - - -8范式很难覆盖他们。换句话说,有必要探索新的网络范式支持直播足球比赛与高清晰度和漂亮的瞬时性。

信息中心网络(ICN) [9- - - - - -11)是一个新兴的和受欢迎的网络模式,本质上拥有一个相当重要的功能,即。网络缓存,也就是说,ICN路由器也有缓存能力(12,13)来存储相关的内容的直播足球比赛。然而,不同于CDN服务器和传统路由器的缓冲区,ICN路由器的缓存大小,和ICN路由器也可以部署在边缘节点满足尽可能多的用户的请求。换句话说,本文使用网络缓存特性ICN帮助足球比赛的直播优化,以获得高清晰度和漂亮的瞬时性。事实上,ICN的使用有两个明显的优势。一方面,没有必要宣传部署昂贵的CDN服务器。另一方面,ICN路由器可以被看作是一个不错的和大缓存池,以适应更多的中间数据流。两个优点可以激励的应用ICN直播的足球比赛。

如上述,ICN路由器可以部署在边缘节点通常指的是移动设备,如智能手机。在这种情况下,移动计算边缘的情况(MEC) [14- - - - - -16必须考虑和解决。事实上,MEC具有广泛的应用价值,尤其是对直播的优化。具体而言,移动设备的存储资源和计算资源有限,因此,它是很难完全处理直播相关的所有任务。因此,它是一个可能的解决方案将边缘服务器的计算一些复杂的任务,剩下的在本地设备执行简单的任务。在这种情况下,是非常重要的地址计算边缘的任务调度问题。目前,已经有一些任务调度方法(17- - - - - -23),包括基于人工智能(AI)的(24,25),但他们通常无法获得响应速度快,能耗低。作为结论,有必要探索新的方法来解决任务调度问题产生的直播优化。

此外,直播足球比赛不能没有数据流的传输。换句话说,视频传输是不可或缺的操作内容提供者和用户联系(26]。关于视频传输、视频压缩算法是非常重要的,它可以加速视频传输,保证用户尽快获得足球比赛的内容。然而,当前视频压缩算法退出一些限制(27- - - - - -31日],特别是框架损失率和传输时间不能达到令人满意的水平。因此,本文还研究了视频压缩算法。

使用上面的考虑,本文优化的直播足球比赛通过使用三个方面的技术点,即心肌间质胶原网络结构的,网络缓存特性,计算任务调度的优势,和视频压缩的视频传输,称为IELB。综上所述,本文的主要贡献的结论如下。(我)直播优化框架基于网络缓存和边缘计算。(2)基于拍卖的方法用于解决在边缘计算任务调度问题。(3)视频压缩算法基于自适应卷积内核介绍加速视频传输。

本文的其余部分的结构如下。部分2评审的相关工作。第三节提出了全面的系统框架。第四节介绍了基于拍卖的任务调度。第五节提出了视频压缩算法。第六节显示了重要的实验结果。第七节本文总结道。

2。文献综述

2.1。任务调度

已经有一些研究任务计算卸载方案的优势。特别是一些审查论文提出了全面总结,如(32- - - - - -35]。此外,在[17),作者制定成功的概率计算,成功通信概率和成功的边缘概率计算卸载任务到MEC服务器。此外,他们还通过仿真分析了制定概率变化对于不同大小的任务,任务的目标延迟,和任务到达率在MEC服务器帮助用户卸载的决定。在[18),作者批判分析了最新的现有的自然资源密集型计算卸载MEC的技术和突出的技术问题建立分布式应用程序在运行时处理平台,一个原型应用程序评估不同的计算强度在实际MEC的环境。在[19),作者提出了一个基于MEC的协作方法和云计算,卸载服务汽车车载网络。与此同时,cloud-MEC协作计算卸载问题是通过共同制定优化计算卸载和计算资源分配的决定。除此之外,他们还提出了一个协同计算卸载和资源分配优化方案和设计了一个分布式计算卸载和资源分配算法,以达到最优的解决方案。在[20.),作者提出了一个分布式的基于价格的方法来管理来自用户卸载的计算任务。其中,Stackelberg博弈模型制定云边缘和用户之间的交互,以最大化收入有限的计算能力。对于给定的价格,每个用户在本地出售决定减少自己的成本被定义为延迟+付款。根据边缘云网络信息的知识,他们开发了统一和差异化定价算法,既可以实现分布式的方式。在[21),作者提出了一种多用户非合作的概率计算卸载游戏调整出售的每辆车车辆MEC网络和设计了支付函数考虑车辆之间的距离和MEC接入点,应用程序和通信模型,multivehicle MEC竞争资源。同时,他们构建了一个分布式的基于计算卸载游戏的最佳响应算法模型的效用最大化每个车辆和证明了策略可能收敛于一个独特的和稳定的平衡在一定条件下。在[22),作者使用了部分计算卸载问题多用户在移动计算环境与multiwireless通道边缘。计算开销模型建立了基于博弈论。然后,部分计算卸载算法时间复杂度较低达到纳什均衡。在[23],作者捕捉到一个以用户为中心的观点来解决卸载通过共同分配通信和计算资源调度问题考虑用户体验质量的,他们制定的设计作为一个mix-integer非线性规划问题和解决它在一个有效的方式和方法。

2.2。视频压缩

提出了一系列的视频压缩方法,包括一些全面的调查论文,如(36- - - - - -38]。此外,在[27),作者认为显著减少文件大小不牺牲视觉质量可以通过使用一些有效的压缩技术。为此,他们提出了视频压缩方法通过使用全局仿射框架重建,涉及仿射参数估计运动估计和仿射变形运动补偿的运动参数估计和存储为压缩数据。在[28),作者提出了一种自适应视频压缩基于感性量化器的传递函数,采用一个固定映射曲线从亮度、亮度,即。,该传递函数自适应亮度映射到亮度根据内容。在[29日时空上),作者引入了混合约束content-adaptive色调映射操作员输入高动态范围的视频转换成色调映射视频序列,并使用高效视频编码标准编码。特别是,拟议的色调映射视频同时利用intraframe空间冗余和保存映射视频序列帧间时间相干性的基调。在[30.),作者提出了一个新颖的速率控制方案在h控制压缩比的速度决定的压缩级别的帮助下速度控制器方案。他们测量的质量传输视频和可用带宽提出了技术,也建立了一个多媒体内容和通过发射机传输质量。在[31日),作者提供了一个轻量级的视频压缩方案通过帧间和intraframe压缩。在帧间压缩,冗余帧被提议的插值搜索方法和一个轻量级的边缘检测技术。然后,intraframe压缩是由提出适应性列删除技术修改一个现有的技术。除此之外,他们还设计了两个重建过滤器针对提高重建质量。

3所示。系统框架

通过使用网络缓存ICN和边缘计算能力,提出系统框架直播优化足球比赛如图1。我们可以看到,有两种不同的服务器,即。,contents provider server used to store the football competitions related videos and edge computing server used to compute the complex tasks. The whole live broadcasting refers to the video transmission from the contents provider to the mobile device via some indeterminate ICN routers used to store the hot data stream. In particular, during the process of video transmission, a video compression algorithm based on adaptive convolution kernel is introduced to accelerate the video transmission. The live broadcasting contents arrive at the mobile device. Given the limited storage resources and computation resources, the complex tasks are scheduled to the edge computing server for computing, while the remaining simple tasks are performed at the local mobile device. Regarding this, the auction-based method is used to address the task scheduling problem in the edge computing.

特别是ICN路由器保持在网络层,而不是应用程序级别(例如,CDN),这是假设有足够的缓存大小存储热数据流。此外,本文还假定所有移动设备具有相同的配置。两个服务器而言,内容提供者服务器具有非常丰富的空间来存储这些视频的足球比赛,就像一个顶级发布服务器。不同,边缘计算服务器只是一个高性能计算和存储服务器,和它的计算能力和存储能力不是一个情况内容提供者服务器。足球比赛直播的整个工作流程优化图所示2。根据上面的语句中,任务调度和视频压缩是两个主要的研究点,这将在下面几节中加以解决。

4所示。任务调度

整个任务调度在边缘计算包括两个部分,即。,offloading decision used to determine whether the tasks need to be offloaded and the scheduling method used to make resources computation and allocation.

4.1。卸载的决定

关于任务是否卸载,其决定取决于任务的运行时间和能源消耗可以降低在卸载的情况下执行任务。在这种情况下,两个条件,即。,local performing and offloading performing, are considered and analyzed.

起初,任意的任务 ,当它在当地的移动设备,执行所需的时间定义如下。 在哪里所需的计算资源指CPU周期的数量,然后呢是执行的CPU。此外,所需能耗定义如下。 在哪里移动设备的力量。

然后,当在计算服务器,执行所需的时间由三个部分组成,即。的传输时间从移动设备到边缘服务器计算,计算时间在计算服务器,并返回计算结果从边缘计算时间服务器到移动设备,用 , ,和 ,分别。数学上,

考虑到输出结果的大小远小于输入数据的,对于大多数应用程序,和返回时间没有显著影响所需的总时间。在此基础上,上面的方程(3)修改如下。

其中,的大小是 , 是高斯噪声信道的力量,是信道的带宽,是传输增益,计算边缘服务器CPU的执行速度。总之,总需要时间等条件下表达如下。

让表示所需的总能量消耗在这些条件下,如下。

此外,当消耗时间和精力的任务卸载条件下更小比在本地执行条件下,卸载的方式应该执行的任务。为此,应满足以下两个约束条件。

这两个约束条件,进一步推导的结果如下所示。 这表明,如果计算边缘服务器的计算能力满足方程(8)和当前网络带宽环境满足方程(9),任务将在卸载的方式进行。

4.2。调度方法

本文使用拍卖方法(39)解决调度策略,包括两个角色,即。,买家和卖家。而言,买家,他们把这些任务,即。,买家用的集合 。每个任务有两个属性,即和表示所需的时间来完成的报价 ,分别。而言,卖家,他们指的是空置的虚拟机(vm),即,卖家是用的集合 。每个虚拟机配备了一个属性,即, ,表示的租赁时间 。此外,让表示初始投标价格,定义如下。

尽管方程(10)考虑任务的紧急程度,存在不公平。特别是,任务卸载的方式将逐渐失去了价格优势。因此,本文提出了补偿策略竞标失败的条件。数学方程(10)修改如下。 在哪里时间片的长度,竞标失败的数量。

推导过程操作的执行,下列方程。 这表明推导值增加而增加的 。换句话说,大派生值意味着增加速度快的价格。因此,方程(的另一个意思12)是,更多的价格补偿执行基于更多的竞标失败。

除了和 ,有一组中间变量(用 )用来存储一些任务满足拍卖条件。如果 ,这意味着满足拍卖条件,添加到 。否则,被标记为招标失败。关于整个拍卖过程,文献[39提出了详细的步骤,本文不再确实给相应的步骤。特别是,时间复杂度而不是 。

5。视频压缩

整个视频压缩过程取决于运动补偿用于实现视频帧之间的运动评价和像素信息补偿。特别是,部分是基于自适应卷积完成内核(40]。灵感来自西蒙et al。40]本文学习连续视频帧的运动补偿方面,实现视频帧之间的运动评价。关于这样的过程,它是定义如下。

其中,表示框架 , 表示帧的偏移来 , 表示的运动补偿 ,和自适应时的映射函数卷积内核。

当使用自适应卷积内核时,它需要两个卷积核进行运动预测,用 和 ,视为水平向量和向量垂直的 ,分别。数学上, 在哪里表示卷积操作。特别是,纠正后线性单元函数添加每个卷积操作以提高网络的表达能力。在此基础上,一般的运动补偿定义如下。

总之,通过使用网络自主学习操作,分析了运动补偿和基于执行 和 非线性映射关系。而言, 与 卷积核,当前数量的参数而不是 ,这表明两个一维卷积核有更好的计算效率比一个二维卷积内核。

6。实验结果

本文三部分的实验。首先,提出了基于拍卖的任务调度策略叫做At验证。然后,提出自适应基于卷积的视频压缩方案称为ACK验证。最后,提出整个IELB验证。其中,第一部分认为传输时间和能源消耗作为评价指标,引用(21,22作为基线,分别缩短IoTJ和全美通讯网。第二部分考虑帧损失率和传输时间作为评价指标,引用(30.,31日作为基线,分别缩短CoMCoM和JVCIR。第三部分考虑响应时间和用户体验质量的评价指标通过收集1000年足球比赛和测试500个用户。

6.1。实验任务调度

不同的数据大小下的平均传输时间(从10 GB到60 GB) at, IoTJ,全美通讯网如表所示1。我们可以看到,该at任务调度策略的边缘计算平均传输时间最小,其次是IoTJ和全美通讯网。此外,随着数据量的增加,相应的平均传输时间增加。它表明,基于拍卖的任务调度策略比IoTJ更高效和全美通讯网。此外,当数据规模50 GB,独立传播时代下不同实验对ATS(从1到8),IoTJ,全美通讯网如表所示2。很明显,ATS的最小传输时间为每个实验。特别是,8实验结果的独立的传输时间,拟议的美国胸科协会有最好的稳定性,其次是全美通讯网和IoTJ。它表明,提出的任务调度是最优的。

此外,平均能源消耗在不同数据大小(从10 GB到60 GB) at, IoTJ,全美通讯网如表所示3。我们可以看到,拟议的美国胸科协会消耗最小的能量。总之,ATS最小传输时间和最小的能源消耗,这表明提出的任务调度策略的边缘计算是相当令人满意的。

6.2。视频压缩实验

帧平均损失率不同分辨率下比率(即。,320便士,480便士,720便士,和1080便士)for ACK, CoMCoM, and JVCIR are shown in Table4。我们可以看到,ACK的平均帧损失率是最低的。虽然320 p分辨率时,他们的平均帧亏损率没有显著差异,和ACK是线性的变化而CoMCoM JVCIR显示指数运动。它表明该视频压缩方案能保证集成视频传输。此外,在不同分辨率下的平均传输时间比率ACK, CoMCoM, JVCIR如表所示5。我们可以看到ACK的平均传输时间从内容提供商服务器移动设备是最小的。类似地,320 p分辨率时,他们的平均传输时间无显著差异。特别是,我们也看到,视频传输产生的平均传输时间大于生成的任务卸载。

6.3。直播实验优化

当数据规模60 GB和分辨率是720 p,独立响应时间在不同实验(从1到10)IELB如表所示6。我们可以看到,周围的响应时间是120 ms ms-level,可被用户接受。

此外,本文评估用户体验质量体验质量分为5个等级,即。非常满意,满意,边缘,不满,非常不满。从两个角度(即。,users and football competition), the evaluation results on QoE of users are shown in Table7。我们可以看到,满足率可以达到100%,这表明该直播优化足球比赛是可行的和有效的。

7所示。结论

本文优化的直播足球比赛通过使用三个方面的技术点,即,the in-network caching feature of ICN, the task scheduling of edge computing, and the video compression of video transmission. At first, the live broadcasting optimization framework based on in-network caching and edge computing is presented. Second, the auction-based method is used to address the task scheduling problem in the edge computing. Third, a video compression algorithm based on adaptive convolution kernel is introduced to accelerate the video transmission. For these proposed strategies, this paper makes three kinds of experiments: (i) the proposed auction-based task scheduling strategy is verified by testing transmission time and energy consumption; (ii) the proposed adaptive convolution kernel-based video compression scheme is verified by testing frame loss rate and transmission time; and (iii) the proposed whole IELB is verified by testing response time and QoE of users. The experimental results demonstrate that the proposed IELB is feasible and efficient.

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

引用

1. t·迪玛,”欧洲足球俱乐部赛事的商业模式,”Procedia经济学和金融学,23卷,第1252 - 1245页,2015年。视图:出版商的网站|谷歌学术搜索
2. 美国j•库普曼r .点燃,“预测足球比赛结果在全国比赛中使用score-driven时间序列模型,”国际期刊的预测,35卷,不。2、797 - 809年,2019页。视图:出版商的网站|谷歌学术搜索
3. j . m . Buldu d . r . Antequera, j . Aguirre”COVID-19锁定后恢复体育竞赛:西班牙足球联赛的情况下,混乱,”孤波和分形卷,138年,页1 - 7,2020。视图:出版商的网站|谷歌学术搜索
4. 周,l·陈,苏问:“了解社会距离影响用户的广播直播平台上的意图:镜头challenge-hindrance应力的角度来看,“远程信息处理和信息卷,41岁,46 - 54岁,2019页。视图:出版商的网站|谷歌学术搜索
5. W.-H。许和学术界。瞧,“QoS /体验质量映射和调整模型的基于云的多媒体设施,”IEEE系统杂志,8卷,不。1,第255 - 247页,2014。视图:出版商的网站|谷歌学术搜索
6. 崔,m . r . Asghar g·罗素,“Multi-CDN:对内容分发网络隐私,”IEEE可靠和安全的计算,17卷,不。5,984 - 999年,2020页。视图:出版商的网站|谷歌学术搜索
7. 答:主席帕萨雷拉,”一个调查做好当前互联网技术:CDN和P2P的解决方案,“计算机通信,35卷,不。1、学会年会,2011页。视图:出版商的网站|谷歌学术搜索
8. n . Anjum d Karamshuk、m . Shikh-Bahaei和n Sastry“peer-assisted内容分发网络,调查”计算机网络卷,116年,第95 - 79页,2017年。视图:出版商的网站|谷歌学术搜索
9. 李z, a . v . Vasilakos, g .西蒙和w .你,”信息为中心的网络:研究的挑战和机遇。”网络和计算机应用》杂志上52卷,1 - 10,2015页。视图:出版商的网站|谷歌学术搜索
10. 任y, j·李,美国史,l·李和张b, g . Wang拥塞控制在命名数据但调查中,“计算机通信卷,86年,页1 - 11,2016。视图:出版商的网站|谷歌学术搜索
11. j . Lv、王x和m .黄“ACO-inspired ICN路由机制与流动性支持,”应用软计算58卷,第440 - 427页,2017年。视图:出版商的网站|谷歌学术搜索
12. n . Lal库马尔,g . Kadian, v . k . Chaurasiya”缓存方法在以内容为中心的网络(CCN):一项调查,“计算机科学评论,卷。31日39-50,2019页。视图:出版商的网站|谷歌学术搜索
13. h . m . Zhang罗,h·张,“以信息为中心的网络缓存机制的调查”,IEEE通信调查和教程,17卷,不。3、1473 - 1499年,2015页。视图:出版商的网站|谷歌学术搜索
14. 毛y,你,j . Zhang k .黄和k . b . Letaief”移动边缘计算:一项调查沟通的角度来看,“IEEE通信调查和教程,19卷,不。4、2322 - 2358年,2017页。视图:出版商的网站|谷歌学术搜索
15. n .阿巴斯y, a Taherkordi, t . Skeie“移动边缘计算:一项调查,”IEEE物联网,5卷,不。1,第465 - 450页,2018。视图:出版商的网站|谷歌学术搜索
16. h . Elazhary”物联网(物联网),移动云,薄云,移动物联网,物联网云、雾、移动边缘和边缘新兴计算范例:消歧和研究方向,”网络和计算机应用》杂志上卷,128年,第140 - 105页,2019年。视图:出版商的网站|谷歌学术搜索
17. b .阁下Bista, j . Wang和t .中国人“概率计算卸载移动边界计算的动态网络环境,”物联网卷。11日,1 - 11,2020页。视图:出版商的网站|谷歌学术搜索
18. m .设拉子,m . Sookhak A Gani, s . A . A .沙”研究的批判性分析计算卸载移动云计算框架,“网络和计算机应用》杂志上卷,47 47-60,2015页。视图:出版商的网站|谷歌学术搜索
19. j .赵问:李、y锣和k .张“计算卸载和资源配置云协助移动边缘计算车辆网络,”IEEE车辆技术,卷68,不。8,7944 - 7956年,2019页。视图:出版商的网站|谷歌学术搜索
20. m·刘,刘y”定价分布式卸载mobile-edge计算与计算能力的限制,“IEEE无线通信信,7卷,不。3、420 - 423年,2018页。视图:出版商的网站|谷歌学术搜索
21. p . y . Wang朗,d .田et al .,“基于游戏的车辆多路存取边缘计算卸载方法计算网络,”IEEE物联网,7卷,不。6,4987 - 4996年,2020页。视图:出版商的网站|谷歌学术搜索
22. 周和j·瓦”,部分计算卸载策略基于博弈论的多用户在移动计算环境中,“计算机网络卷,178年,页1 - 12,2020。视图:出版商的网站|谷歌学术搜索
23. j .罗x邓,h·张,h .气“QoE-driven计算边缘计算卸载,”《系统架构卷。97年,34-39,2019页。视图:出版商的网站|谷歌学术搜索
24. l . Ma、s . Cheng和y史,“提高学习效率的头脑风暴学习通过正交优化设计,“IEEE系统,人,和控制论:系统,p . 2020。视图:出版商的网站|谷歌学术搜索
25. l . s . Cheng妈,h . Lu, x,, y,“进化计算求解基于搜索的数据分析问题,“人工智能审查,2020年。视图:出版商的网站|谷歌学术搜索
26. Y.-M。萧,肯尼迪。李,js。陈,Y.-S。楚,”H。264video transmissions over wireless networks: challenges and solutions,”计算机通信,34卷,不。14日,第1672 - 1661页,2011年。视图:出版商的网站|谷歌学术搜索
27. d . r . j .多莉·g·j·巴拉,j·d·彼得,”空间视频压缩性能增强使用全局仿射框架重建,”计算机科学期刊,第18卷。1 - 11,2017页。视图:出版商的网站|谷歌学术搜索
28. Yu和c·荣格“适应性为高动态范围视频压缩感知量化器,”杂志的视觉传达和图像表示,卷。58岁的技能,2019页。视图:出版商的网站|谷歌学术搜索
29. c . Ozcinar p Lauga、g . Valenzise和f . Dufaux“时空约束色调映射算子HDR视频压缩,”杂志的视觉传达和图像表示,55卷,第178 - 166页,2018年。视图:出版商的网站|谷歌学术搜索
30. k .湿婆Kumar s Sasi库马尔,n . Mohan Kumar“视频压缩效率和提高质量的视频通信计算机endcoding应用,”计算机通信卷,153年,第158 - 152页,2020年。视图:出版商的网站|谷歌学术搜索
31. t . Pal和s Das,“低开销时空视频压缩在基于智能手机的延迟容忍网络”杂志的视觉传达和图像表示卷,70年,页1 - 2020。视图:出版商的网站|谷歌学术搜索
32. h, s . Zeadally z . Chen等人“调查计算卸载建模边计算,”网络和计算机应用》杂志上卷,169年,页1 - 25,2020。视图:出版商的网站|谷歌学术搜索
33. Q.-H。阮和f·杜丝勒”,智能手机的角度计算出售调查,“计算机通信卷,159年,第154 - 133页,2020年。视图:出版商的网站|谷歌学术搜索
34. 阿里,m . Ghobaei-Arani, s .阿里”的一项调查显示在移动边缘计算计算卸载方法:基于机器学习的角度来看,“计算机网络卷,182 - 24,2020页。视图:出版商的网站|谷歌学术搜索
35. A·巴塔查里亚和p . De”,在计算卸载适应技术的调查,”网络和计算机应用》杂志上卷,78年,第115 - 97页,2017年。视图:出版商的网站|谷歌学术搜索
36. a . j . Tabatabai r s Jasinschi, t·纳文“视频压缩的运动估计方法审查,”富兰克林研究所杂志》上,卷335,不。8,1411 - 1441年,1998页。视图:出版商的网站|谷歌学术搜索
37. js。李和t . Ebrahimi知觉视频压缩:一项调查,”IEEE选定的主题在信号处理杂志》上》第六卷,没有。6,684 - 697年,2012页。视图:谷歌学术搜索
38. h·a·Choudhury n . Sinha和m . Saikia”自然启发算法(NIA)高效的视频压缩简短的研究中,“工程科学与技术、国际期刊,23卷,不。3、507 - 526年,2020页。视图:出版商的网站|谷歌学术搜索
39. 亚伯拉罕,美国阿塞、m . Babaioff和m·d·格拉布”饼干:桃子、柠檬和饼干:设计拍卖市场分散的信息,“游戏和经济行为卷,124年,第477 - 454页,2020年。视图:出版商的网站|谷歌学术搜索
40. n .西蒙·l·梅和f·刘,“通过自适应视频帧插值卷积,”2017年,https://arxiv.org/abs/1703.07514。视图:谷歌学术搜索

版权

版权©2020中国李。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。