جودة المستخدم عن اختبار (QoE) الرضا لانتقاء اطار عمل محتوى الفيديو (VCS) في اجهزة الهواتف الذكية
محتوى المقالة الرئيسي
الملخص
يعد جدول الفديو الاكثر انتشارا اليوم. اضافة الى ذلك، وبسبب انتشار الوباء عالميا، كثير من الناس التزموا المنزل واعتمدوا على الخدمات الجدولية للاخبار والتعليم والتسلية. على اية حال، مستعمل تجربة (QoE (غير مقتنع باختيار محتوى الفديو بينما يتدفق في الاجهزة الذكية. ينزعج المستعملون بمسح نوعية الفيديو الغير متوقعة التي تحدث في اجهزتهم الذكية. في هذا البحث، نقترح مخطط لاختيار الفديو الهيكلي الذي يهدف الى زيادة قناعة مستعمل (QoE ). تم استعمال نظام الحلول الحسابية لاختيار محتوى الفديو لانشاء خريطة لاختيار الفديوالتي ترضي مستعمل نوعية الجدول الاكثراعتبارا. تصنف اختيار محتوى الفديو الى مجاميع صفات الفديو. سينخفض مستوى جدول ( VCS) بالتدريج ليعتبر اقل اختيار الفديو الذي لا يقبلها المستعمل اعتمادا على نوعية الفديو. لتقييم مستوى القناعة ، استعملنا درجة الرأي الوضيع ( MOS) لقياس تكيف قبول المستعمل اتجاه نوعية جدول الفديو. أظهرت النتائج الاخيرة بأن نظام الحلول الحسابية المقترح توضح بأن المستعمل يقتنع باختيار الفديو بواسطة تغيير صفات الفديو.
Received 17/10/2021
Accepted 14/11/2021
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Boyce. J. M., Ye. Y., Chen. J., Ramasubramonian. A. K. (2016). Overview of SHVC: Scalable Extensions of the High Efficiency Video Coding Standard. IEEE Trans. Circuits. Syst.Video Technol. Vol: 26 , No 1. pp-201-34.
Chang. H., C., Agrawal. A., Cameron. K. (2011). Energy-Aware Computing for Android Platforms. International Conference Energy Aware Computing (ICEAC). Istanbul. pp. 1-4.
Corral. L., Georgiev. A. B., Sillitti. A., Succi. G. (2013). A Method for Characterizing Energy Consumption in Android Smartphones. 21st IEEE International Conference Green and Sustainable Software (GREENS). San Francisco, CA. pp. 38-45.
Devlic. A., Kamaraju. P., Lungaro. P., Segall. Z., Tollmar. K. (2015). QoE-aware optimization for video delivery and storage. 2015 IEEE 16th International Symposium on A World of Wireless, Mobile and Multimedia Networks (WoWMoM).
Ding. R., Muntean. G. M. (2013). Device Characteristics-based Differentiated Energy-efficient Adaptive Solution for Video Delivery over Heterogeneous Wireless Network. 2013 IEEE Wireless Communications and Networking Conference (WCNC). Shanghai. pp. 4588 – 4593.
Duanmu. Z., Rehman. A., Zeng. K., Wang. Z. (2016). Quality-Of-Experience Prediction For Streaming Video. 2016 IEEE International Conference on Multimedia and Expo (ICME).
Dutta. P., Seetharam. A., Arya. V., Chetlur. M., Kalyanaraman. S., Kurose. J. (2015). On managing quality of experience of multiple video streams in wireless networks. IEEE Transactions on Mobile Computing ( Volume: 14, Issue: 3, March 1 2015).
Fung. K. C., Kwok. Y. K. (2012). A QoE Based Performance Study of Mobile Peer-to-Peer Live Video Streaming. 2012 13th International Conference on Parallel and Distributed Computing, Applications and Technologies.
Gao. X., Liu. D., Liu. D., Wang. H., Stavrou. A. (2017). E-Android: A New Energy Profiling Tool for Smartphones. 2017 IEEE 37th International Conference on Distributed Computing Systems (ICDCS).
Guillermo. L., Ballesteros. M., Ickin. S., Fiedler. M., Markendahl. J. (2016). Energy Saving Approaches for Video Streaming on Smartphone based on QoE Modeling. 2016 13th IEEE Annual Consumer Communications & Networking Conference (CCNC).
Hossfeld. T., Seufert. M., Sieber. C., Zinner. T. (2014). Assessing Effect Sizes of Influence Factors Towards a QoE model for HTTP Adaptive Streaming. 2014 Sixth International Workshop on Quality of Multimedia Experience (QoMEX).
ITU-T. “P.910 : Subjective video quality assessment methods for multimedia applications.” In: ITU Rec. (2008).
Lee. S., Cha. H. (2017). User interface-level QoE analysis for Android application tuning. Perv. Mob. Comp. Vol. 40, pp. 382-396.
Petrangeli. S., Hooft. J. V. D., Wauters. T., Turck. F. D. (2018). Quality of Experience-Centric Management of Adaptive Video Streaming Services: Status and Challenges. ACM Transactions on Multimedia Computing, Communications, and Applications (Volume 14: Issue 2) May 2018.
Raheel. M. S., Iranmanesh. S., Raad. R. (2017). A novel Energy-Efficient Video Streaming method for decentralized Mobile Ad-hoc Networks. Perv. Mob. Comp. Vol. 40, pp 301-323.
Tarkoma. S., Sikkinen. M., Lagerspetz. E., Xiao. Y., (2014). Smartphone Energy Consumption: Modeling and Optimization. Publisher : University Printing House Cambridge Press, Online ISBN : 9781107326279.
Verdolini. A., Petrangeli. S. (2013). A Smartphone Agent For Qoe Evaluation And User Classification Over Mobile Networks. 2013 Fifth International Workshop on Quality of Multimedia Experience (QoMEX).
Wang. H., Chen. B. (2013) Intrusion Detection System Based On Multi-Strategy Pruning Algorithm of the Decision Tree. Proceedings of 2013 IEEE International Conference on Grey systems and Intelligent Services (GSIS)
Xie. H., Shang. F. (2014). The Study of Methods for Post-pruning Decision Trees Based on Comprehensive Evaluation Standard. 2014 11th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD).
Xiao. A., Liu. J., Li. Y., Song. Q., Ge. (2018). Two-phase rate adaptation strategy for improving real-time video QoE in mobile networks. China Com. Vol. 15 , No. 10.
Xu. Y., Elayoubi. S. E., Altman. E., El-Azouzi. R., Yu. Y. (2016). Flow-Level QoE of Video Streaming in Wireless Networks. IEEE Trans. Mob. Comp, Vol. 15, No. 11. pp- 2762 – 2780.
Yi. J., Luo. S., Yan. (2019). A measurement study of YouTube 360° live video streaming. NOSSDAV '19: Proceedings of the 29th ACM Workshop on Network and Operating Systems Support for Digital Audio and Video.