Computational Inference and Control of Quality in Multimedia Services

این پایان نامه بر مشکل بهینه سازی کیفیت خدمات چندرسانه ای شبکه تمرکز دارد. این مشکل دامنه های متعددی را شامل می شود، از درک ذهنی کیفیت چند رسانه ای تا مدیریت شبکه های کامپیوتری. کار انجام شده در این پایان نامه به مسئله در سطوح مختلف نزدیک می شود و روش هایی را برای مدل سازی ادراک ذهنی کیفیت بر اساس پارامترهای قابل اندازه گیری عینی فرآیند کدگذاری چند رسانه ای و همچنین انتقال از طریق شبکه های کامپیوتری ایجاد می کند. مدل‌سازی ادراک ذهنی با انگیزه کار انجام شده در روان‌فیزیک انجام می‌شود، در حالی که از تکنیک‌های یادگیری ماشین برای ترسیم شرایط شبکه برای درک انسان از خدمات ویدیویی استفاده می‌کند. علاوه بر این، کار مدل‌هایی را برای کنترل کارآمد سیستم‌های چندرسانه‌ای که در محیط‌های شبکه‌ای پویا با هدف ارائه کیفیت تجربه بهینه‌سازی شده، توسعه می‌دهد. به طور کلی این پایان نامه مجموعه ای از روش ها را برای نظارت و بهینه سازی کیفیت خدمات چندرسانه ای ارائه می دهد که با محیط پویای شبکه های کامپیوتری که در آن کار می کنند سازگار است.

This thesis focuses on the problem of optimizing the quality of network multimedia services. This problem spans multiple domains, from subjective perception of multimedia quality to computer networks management. The work done in this thesis approaches the problem at different levels, developing methods for modeling the subjective perception of quality based on objectively measurable parameters of the multimedia coding process as well as the transport over computer networks. The modeling of subjective perception is motivated by work done in psychophysics, while using Machine Learning techniques to map network conditions to the human perception of video services. Furthermore, the work develops models for efficient control of multimedia systems operating in dynamic networked environments with the goal of delivering optimized Quality of Experience. Overall this thesis delivers a set of methods for monitoring and optimizing the quality of multimedia services that adapt to the dynamic environment of computer networks in which they operate.