第1篇 改善移动流媒体传输性能 2
第1章 概述 2
1.1 背景 2
1.2 流媒体应用发展现状 3
1.3 内容提要 5
第2章 流媒体关键技术 6
2.1 流媒体业务分类 6
2.1.1 视频直播 6
2.1.2 视频点播 7
2.2 流媒体技术和相关协议 7
2.2.1 视频编码与传输技术 7
2.2.2 流媒体传输与控制协议 11
第3章 提高流媒体应用的质量 16
3.1 流媒体应用的质量评价：服务质量QoS和用户感知质量QoE 16
3.1.1 服务质量QoS 16
3.1.2 用户感知质量QoE 18
3.2 研究现状 19
3.2.1 物理／网络层面提高QoS 20
3.2.2 应用软件层面提高QoS 20
3.3 拥塞控制机制提高QoS 23
第4章 增强QoE支持的移动IPTV流媒体系统模型 26
4.1 增强QoE支持的流媒体系统模型 26
4.1.1 传统的流媒体系统模型 26
4.1.2 改进的流媒体系统模型 28
4.2 媒体过滤器的设计 31
4.2.1 几种拥塞控制算法的对比研究 31
4.2.2 媒体过滤器核心算法设计 35
4.3 系统模型验证 39
4.3.1 搭建测试床 39
4.3.2 测试场景A——验证媒体过滤器发送速率的可调性 40
4.3.3 测试场景B——验证媒体过滤器的友好性 42
4.3.4 结论与评价 43
第5章 小结与展望 44
第2篇 基于云计算的移动IPTV负载均衡 48
第1章 概述 48
1.1 研究背景 48
1.2 国内外研究现状 49
1.2.1 云计算平台 49
1.2.2 负载均衡技术 50
1.2.3 负载均衡指标 50
1.2.4 负载均衡技术分类 51
1.2.5 负载均衡调度算法 51
1.2.6 负载均衡方案的选择与评估 53
1.3 研究意义 53
1.4 内容提要 54
1.4.1 研究内容 54
1.4.2 章节安排 54
第2章 云计算 56
2.1 背景 56
2.2 云计算 56
2.2.1 云计算的概念 56
2.2.2 云计算类型 57
2.2.3 云计算特点 58
2.2.4 云计算模型 59
2.3 云计算技术 59
2.3.1 云计算的应用特点 60
2.3.2 云计算的优势 62
2.3.3 云计算的服务方式 64
2.3.4 云计算的应用 66
第3章 基于云计算平台Eucalyptus的移动IPTV服务系统 70
3.1 引言 70
3.2 Eucalyptus介绍 70
3.3 系统设计 70
第4章 负载均衡算法研究 75
4.1 引言 75
4.2 负载均衡算法中问题的提出 75
4.2.1 静态负载均衡算法 75
4.2.2 动态负载均衡算法 76
4.3 轮询调度算法RR 78
4.3.1 轮询算法描述 79
4.3.2 轮询算法的特点 80
4.4 动态反馈负载均衡技术 82
4.4.1 动态反馈机制 82
4.4.2 异构服务器的处理能力 83
4.4.3 综合负载的计算 83
第5章 移动IPTV系统双向加权负载均衡 85
5.1 引言 85
5.2 系统建模 85
移动IPTV系统中的统计学模型 85
5.3 传统算法 86
5.4 改进算法 87
5.4.1 算法衡量标准 87
5.4.2 双向加权轮询算法描述 87
5.4.3 双向加权轮询算法特点 91
第6章 仿真结果 93
6.1 仿真工具 93
6.2 仿真结果 93
第7章 小结与展望 99
7.1 小结 99
7.2 未来展望 99
第3篇 移动终端上IPTV流媒体服务器动态优选技术 103
第1章 概述 103
1.1 移动IPTV的概述及发展状况 103
1.2 动态服务器选择的需求和发展状况 105
1.2.1 动态服务器选择的需求 105
1.2.2 动态服务器选择的发展现状 106
1.3 本篇的主要工作和研究内容 107
1.4 内容提要 108
第2章 动态服务器选择算法的设计 109
2.1 服务器选择机制的标准 109
2.2 QoS服务质量和QoE体验质量 109
2.2.1 QoS服务质量参数 109
2.2.2 QoE体验质量参数 111
2.2.3 QoS指标的上下限阈值 112
2.3 服务器选择算法设计 113
2.3.1 服务器选择算法总体描述 113
2.3.2 动态服务器选择的原理 113
第3章 动态服务器选择算法的实现及仿真 116
3.1 服务器QoS信息处理 116
3.2 最优服务器选择算法公式 118
3.3 服务器选择算法功能实现 121
3.4 服务器选择算法的仿真 124
第4章 移动IPTV动态服务器选择系统设计 126
4.1 移动IPTV服务器选择系统设计 126
4.2 智能终端选择及应用程序开发 127
4.2.1 智能终端的特性及选择 127
4.2.2 智能终端应用程序开发平台选择 130
4.3 SQLite数据存储方式 132
4.3.1 SQLite数据库介绍 132
4.3.2 SQlite在Android中的使用 134
4.4 移动流媒体播放器的设计 135
4.4.1 OpenCore多媒体框架介绍 135
4.4.2 视频播放控件Video View 137
4.5 流媒体服务器的选择 137
4.5.1 流媒体介绍 137
4.5.2 流媒体传输协议介绍 138
4.5.3 流媒体服务器的选择 139
第5章 移动IPTV动态服务器选择系统实现 140
5.1 Android开发环境搭建 140
5.1.1 在Windows下搭建Android开发环境 140
5.1.2 Android项目的目录结构 140
5.2 SQlite数据库的功能实现 141
5.3 流媒体播放器功能实现 141
5.4 流媒体服务器的搭建 143
5.5 移动IPTV服务器选择系统的实现 145
5.5.1 自动调用流媒体播放器功能 145
5.5.2 播放器调用服务器选择功能 146
5.5.3 播放器断点续传功能 147
第6章 小结及展望 148
第4篇 移动流媒体应用及服务技术 152
第1章 概述 152
1.1 数字版权技术 152
1.2 视频监管技术 154
1.3 视频分析技术 155
1.4 视频图像处理技术 156
1.5 基于视频的人机交互 157
第2章 大数据概况 160
2.1 技术发展历程 160
2.2 大数据与认知 168
第3章 商业大数据技术简介 172
3.1 现状 172
3.2 重点厂商的技术介绍 173
3.3 服务研发情况 178
3.4 典型产品 180
第4章 开源大数据技术 185
4.1 Hadoop简介 185
4.2 Hadoop分布式计算平台 186
4.3 大数据相关开源技术演进 203
4.4 数据治理 209
第5章 云端运营技术 210
5.1 虚拟化技术 210
5.1.1 虚拟化的概念 210
5.1.2 虚拟化技术的分类 211
5.1.3 虚拟化产品及比较 213
5.2 云平台选择 217
5.2.1 CloudStack 217
5.2.2 OpenStack 219
5.2.3 Eucalyptus 221
5.2.4 综合比较 223
5.3 用户访问控制 228
5.3.1 IAM相关标准协议及模型分析 228
5.3.2 云中的身份认证与访问控制 231
第6章 应用分析 238
6.1 应用案例 238
6.1.1 野外作业 238
6.1.2 公交车监控 239
6.2 网络运营 240
6.2.1 IT架构 240
6.2.2 应用架构 240
6.2.3 功能简介 242
第5篇 机器视觉与智能 245
第1章 概述 245
1.1 背景 245
1.2 机器视觉 245
1.3 人工智能技术 246
第2章 机器视觉系统 248
2.1 应用背景 248
2.2 机器视觉与人类视觉 248
2.3 机器视觉的关键技术 249
2.4 应用实例 250
第3章 模式识别 253
3.1 图像模式识别的方法 253
3.1.1 句法模式识别 253
3.1.2 统计模式识别 254
3.2 图像金字塔 258
3.3 模糊模式识别 259
3.4 神经网络模式识别 259
3.5 人工智能在模式识别中的应用 260
第4章 机器智能 261
4.1 机器智能与人工智能 261
4.2 人工智能的局限 263
4.3 智能机器人 263
4.3.1 智能机器人的发展历史 263
4.3.2 智能机器人的分类 265
4.3.3 机器人智能应用实例 268
4.3.4 智能机器人发展趋势 272
4.4 大数据与机器智能 275
附录 277
附录一 277
附录二 278