版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)產(chǎn)業(yè)的飛速發(fā)展,各種視頻應(yīng)用網(wǎng)站應(yīng)運(yùn)而生,網(wǎng)絡(luò)視頻及網(wǎng)絡(luò)視頻用戶數(shù)量急劇增長(zhǎng),逐漸替代了傳統(tǒng)的通過電視頻道直播收看視頻的方式。視頻數(shù)據(jù)的海量和存儲(chǔ)規(guī)模的不斷擴(kuò)大,給視頻文件的副本放置和視頻數(shù)據(jù)的副本管理帶來了挑戰(zhàn),如何利用視頻的點(diǎn)擊趨勢(shì)來預(yù)測(cè)視頻的熱度,將視頻副本調(diào)配到更合適的物理存儲(chǔ)和網(wǎng)絡(luò)訪問資源的服務(wù)節(jié)點(diǎn)上則成為業(yè)界和學(xué)界都面臨的一個(gè)亟待解決的問題。因此,本文選取如何在視頻較短的上線時(shí)間內(nèi)預(yù)測(cè)出其未來訪問趨勢(shì)作為研究?jī)?nèi)容,
2、將視頻點(diǎn)擊量預(yù)測(cè)作為核心研究?jī)?nèi)容。
預(yù)測(cè)作為數(shù)據(jù)挖掘技術(shù)中重要的任務(wù)之一,通過操作者積累的研究經(jīng)驗(yàn),結(jié)合現(xiàn)實(shí)數(shù)據(jù),建立預(yù)測(cè)模型,對(duì)未來事物發(fā)展做出一些可靠性的推測(cè),達(dá)到把握全局事先調(diào)整發(fā)展策略的目的。預(yù)測(cè)文本的未來使用次數(shù)作為計(jì)算機(jī)存儲(chǔ)中副本遷移和重建的前提,對(duì)關(guān)于計(jì)算機(jī)存儲(chǔ)方面的研究有較大作用。目前雖然有些學(xué)者針對(duì)文本預(yù)測(cè)進(jìn)行了研究分析,做出了一些貢獻(xiàn),但由于需要大量歷史先驗(yàn)數(shù)據(jù)、預(yù)測(cè)粒度較大,沒有較好的發(fā)揮預(yù)測(cè)及時(shí)性、實(shí)用
3、型、準(zhǔn)確性的目的?;诖耍疚牡闹饕芯?jī)?nèi)容和創(chuàng)新如下:
本文將預(yù)測(cè)問題分為兩個(gè)階段解決,第一,基于指標(biāo)量化模型和K-means算法相結(jié)合的視頻聚類;第二,基于模糊神經(jīng)網(wǎng)絡(luò)的視頻預(yù)測(cè)。前者是盡可能的將具有相同屬性的視頻進(jìn)行聚類,后者則根據(jù)同類視頻的訪問規(guī)律結(jié)合視頻當(dāng)前訪問量對(duì)其未來訪問進(jìn)行預(yù)測(cè)。
首先,本文以視頻文件作為研究對(duì)象,針對(duì)視頻信息資源豐富、文件特征復(fù)雜的特點(diǎn),建立了一種較為全面的指標(biāo)量化體系,將重要的能反
4、映視頻特點(diǎn)的屬性進(jìn)行細(xì)致劃分并根據(jù)建立的量化模型得出量化結(jié)果,形成目標(biāo)量化矩陣,然后通過聚類算法找出與待測(cè)視頻相似的視頻文件。將聚類結(jié)果同其他算法對(duì)比,發(fā)現(xiàn)其更符合用戶的實(shí)際情況。
然后,本文將聚類得出的相似視頻文件作為影響視頻點(diǎn)擊量的因素,同待測(cè)視頻一起進(jìn)行后續(xù)預(yù)測(cè)實(shí)驗(yàn)。預(yù)測(cè)時(shí),通過統(tǒng)計(jì)站點(diǎn)網(wǎng)絡(luò)視頻指數(shù)分析平臺(tái)的相關(guān)播放數(shù)據(jù),建立時(shí)間序列模型,采用模糊神經(jīng)網(wǎng)絡(luò)算法對(duì)樣本進(jìn)行訓(xùn)練,從而對(duì)測(cè)試數(shù)據(jù)做出預(yù)測(cè)。采用同樣的聚類視頻數(shù)據(jù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)模糊聚類的研究.pdf
- 基于模糊聚類與RBF神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測(cè)方法研究.pdf
- 模糊聚類分析與神經(jīng)網(wǎng)絡(luò)代數(shù)算法相結(jié)合的短期負(fù)荷預(yù)測(cè).pdf
- 基于模糊聚類算法的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的廣義熵模糊聚類算法研究.pdf
- 基于數(shù)據(jù)場(chǎng)聚類的模糊神經(jīng)網(wǎng)絡(luò)算法的研究.pdf
- 考慮節(jié)點(diǎn)負(fù)荷模糊聚類的級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)日負(fù)荷預(yù)測(cè)模型.pdf
- 基于遺傳算法和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的沖擊地壓預(yù)測(cè)的研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè).pdf
- VBR視頻通信量預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)方法研究.pdf
- 基于SOM神經(jīng)網(wǎng)絡(luò)和模糊聚類的Web日志增量挖掘研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的模糊控制的研究與應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)變形預(yù)測(cè)模型研究.pdf
- EVA與神經(jīng)網(wǎng)絡(luò)相結(jié)合的財(cái)務(wù)預(yù)警模型研究.pdf
- 基于HMM與自組織神經(jīng)網(wǎng)絡(luò)相結(jié)合的語音識(shí)別.pdf
- 基于反饋模糊神經(jīng)網(wǎng)絡(luò)的行程時(shí)間預(yù)測(cè)研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和模糊聚類的煉鐵系統(tǒng)成本優(yōu)化方法研究.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè).pdf
評(píng)論
0/150
提交評(píng)論