Модель мультимедийного трафика, использующая многомерные плотности распределения вероятности наблюдаемых состояний
Читать статью полностью
Модель мультимедийного трафика, использующая многомерные плотности распределения вероятности наблюдаемых состояний(7,68 MB)Аннотация
В статье представлен анализ статистических характеристик источников, используемых в системе видеоконференцсвязи. Выявлено наличие зависимости между типами источника информации в сеансах видеоконференцсвязи и характеристиками трафика. Для описания сложной формы полученных полигонов частот предложена модель конечной смеси вероятностных распределений. Для описания взаимосвязи между типами источника и наблюдаемыми статистическими характеристиками трафика видеосвязи использован аппарат скрытых марковских моделей (СММ). Расширен аппарат СММ, введена СММ с несколькими наблюдениями.
Ключевые слова:
система видеоконференцсвязи; многомерные случайные наблюдения; гауссовская плотность распределения; скрытая Марковская модель
Список литературы
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.