您的位置: turnitin查重官网> 计算机 >> 计算机毕业题目 >优化P2P实时流媒体管理协议查抄袭率

优化P2P实时流媒体管理协议查抄袭率

收藏本文 2024-01-23 点赞:3660 浏览:8520 作者:网友投稿原创标记本站原创

摘要:互联网的快速进展推动着P2P(Peer to Peer)流媒体技术的前进,目前中国是P2P流媒体技术进展最快的国家之一。由于P2P流媒系统统中节点的匿名性、自主性,节点的目标往往是最大化自身效用,同时最小化对其他节点的贡献,大量节点倾向于只下载不上传成为搭便车节点(free-riding)。由于P2P网络环境的开放性,使得P2P流媒系统统也面对一些安全性不足。如一些节点散布虚检测信息和恶意资源及节点间共谋不足。随着P2P流媒系统统规模的扩大,急剧增加的媒体资源增加了用户查找感兴趣媒体的难度。这些现象严重降低了P2P流媒系统统的性能和用户体验,搭便车节点的有着甚至会导致网络的完全瘫痪。由此设计一个合理的P2P实时流媒体管理协议来管理节点并浅析用户行为是非常有必要的。目前国内外关于以上三个方面的探讨很多,但这些探讨大多是基于P2P网络的,与流媒体技术结合起来的比较少,并只做了单方面的探讨,没有把激励机制、信任机制、个性化推荐系统同时运用到P2P实时流媒系统统中。本论文以P2P流媒系统统作为探讨基础,在此基础上设计基于激励机制、信任机制、个性化推荐系统的管理协议。本论文首先阐述了课题的探讨背景和作用、论文的主要工作和目标、P2P流媒体相关知识,浅析了P2P实时流媒体管理协议的需求,给出了管理协议和信令协议、传输协议的接口。针对当前系统中有着的搭便车不足,优化了基于博弈论的激励机制,根据P2P流媒系统统的实际情况,在计算节点贡献值时考虑了节点的稳定性和上传带宽代价两个因素。通过和其它激励机制比较,得出基于博弈论的激励机制在推动节点参与资源和信息共享方面的优势。针对系统的安全性不足,优化了基于信誉的信任机制,根据目标节点的直接信任度和间接信任度,得出目标节点的综合信任度。在计算间接信任度时,首先过滤推荐节点集谋节点,保证计算结果的准确性。最后,为用户设计了基于用户聚类和协同过滤的个性化推荐系统,向用户推荐其感兴趣的媒体资源,实现个性化怎么写作。本论文最后开发实验仿真平台对管理协议进行测试,并对实验结果进行浅析和总结。关键词:P2P论文流媒体论文激励机制论文信任机制论文用户聚类论文协同过滤论文个性化推荐系统论文

    致谢5-6

    中文摘要6-7

    ABSTRACT7-12

    1 绪论12-21

    1.1 课题探讨背景和作用12-13

    1.2 国内外探讨近况浅析13-19

    1.3 探讨的内容和目标19

    1.4 论文组织结构19-20

    1.5 本章小结20-21

    2 P2 P流媒体概述21-37

    2.1 P2P网络技术21-26

    2.1.1 P2P网络定义21

    2.1.2 P2P网络与传统C/S网络的比较21-22

    2.1.3 P2P网络常见的模型22-26

    2.2 流媒体技术26-30

    2.2.1 流媒体技术定义26

    2.2.2 流媒体技术结构与原理26-29

    2.2.3 流媒体技术面对的不足29-30

    2.3 P2P流媒体技术30-36

    2.3.1 P2P流媒体关键技术30-34

    2.3.2 P2P流媒体重要机制34-35

    2.3.3 P2P流媒体典型运用35-36

    2.4 本章小结36-37

    3 P2P实时流媒体管理协议的需求37-42

    3.1 管理协议的探讨内容37-39

    3.1.1 网络协议的总体架构37-38

    3.1.2 管理协议的总体架构38-39

    3.2 管理协议和信令协议的接口39-40

    3.3 管理协议和传输协议的接口40-41

    3.4 本章小结41-42

    4 P2P实时流媒体管理协议的设计42-58

    4.1 基于博弈论的激励机制42-47

    4.1.1 博弈论概念42

    4.1.2 典型的激励机制42-43

    4.1.3 基于博弈论的激励机制模型的建立43-47

    4.2 基于信誉的信任模型47-51

    4.2.1 信任概念47

    4.2.2 典型的信任模型47-48

    4.2.3 基于信誉的信任模型的建立48-51

    4.3 基于用户聚类和协同过滤的个性化推荐51-57

    4.3.1 用户聚类和协同过滤概念52

    4.3.2 典型的个性化推荐系统52-53

    4.3.3 基于用户聚类和协同过滤的个性化推荐模型的建立53-57

    4.4 本章小结57-58

    5 系统测试及性能浅析58-69

    5.1 搭建实验环境58

    5.2 运转效果58-61

    5.3 实验结果及浅析61-68

    5.3.1 基于博弈论的激励机制61-64

    5.3.2 基于信誉的信任模型64-65

    5.3.3 个性化节目推荐系统65-68

    5.4 本章小结68-69

    6 总结与展望69-71

    6.1 本论文总结69

    6.2 下一步的探讨工作69-71

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号