Multimedia traffic model using multidimensional probability distribution density of observations

V. A. Baranov, O. V. Kriukov, V. S. Scherbakov

  Модель мультимедийного трафика, использующая многомерные плотности распределения вероятности наблюдаемых состояний(7,68 MB)

Abstract

The statistical characteristics analysis of sources used in videoconferencing system is given. Dependence between information source types in a video conference session and traffic characteristics is revealed. A model of finite density distributions mixture is suggested to describe complicated form of frequency diagram. For the description of interrelation between source types and observed traffic statistical characteristics of video conference the hidden Markov model (HMM) apparatus is used. The HMM apparatus is expanded; HMM with several observations is introduced.

Keywords:

videoconference system; multidimensional stochastic observations; Gaussian density distribution; hidden Markov model.

References

1. Internet traffic modeling by means of Hidden Markov Models / A. Dainotti [et al] // Computer Networks. – 2008. – V. 52. – N. 14. – P. 2645–2662.

2. McLachlan, G. Finite mixture models / G. McLachlan, D. Peel. – John Wiley & Sons, 2004.

3. Прикладная статистика: Классификация и снижение размерности. Справ. изд. / С.А. Айвазян [и др.] ; под ред. С.А. Айвазяна. – М.: Финансы и статистика, 1989. – 607 с.

4. Королев, В. Ю. ЕМ-алгоритм, его модификации и их применение к задаче разделения смесей вероятностных распределений. Теоретический обзор / В.Ю. Королев. – Москва: ИПИ РАН, 2007. – 94 с.

5. Вентцель, Е. С. Теория вероятностей: Учеб. для вузов / Е.С. Вентцель. – 5-е изд. стер. – М.: Высш. шк., 1998. – 576 с.

6. Rabiner, L. A tutorial on hidden Markov models and selected applications in speech recognition / L. Rabiner // Proceedings of the IEEE. – 1989. – V. 77. – N. 2. – P. 257–286.

7. Rabiner, L. Fundamentals of speech recognition / L. Rabiner, B. Juang. – Englewood Cliffs : PTR Prentice Hall, 1993. – V. 14.

8. Фихтенгольц, Г. М. Курс дифференциального и интегрального исчисления: Том 3 / Г.М. Фихтенгольц – М.: Физматлит, 2008. – 728 с.

9. Математический анализ. Продолжение курса / В.А. Ильин [и др.]; под ред. А.Н. Тихонова. – М.: Изд-во МГУ, 1987. – 358 с.

10. Ветров, Д. П. Автоматическое определение количества компонент в ЕМ-алгоритме восстановления смеси нормальных распределений / Д.П. Ветров, Д.А. Кропотов, А.А. Осокин // Ж. вычисл. матем. и матем. физ. – 2010. – Т. 50. – № 4. – С. 1–14.

11. Бенинг, В. Е. Асимптотически оптимальный критерий проверки гипотез о числе компонент смеси вероятностных распределений / В.Е. Бенинг, А.К. Горшенин, В.Ю. Королев // Информатика и еe применения. – 2011. – Т. 5. – № 3. – С. 4–16.

12. Горшенин, А. К. О применении асимптотических крите- риев для определения числа компонент смеси вероятностных распределений / А.К. Горшенин // Компьютерные иссле- дования и моделирование. – 2012. – Т. 4. – № 1. – С. 45–53.