DDA：跨会话吞吐量预测及其在视频比特率选择中的应用
网络与互联网体系结构
2015-05-11 v1
摘要
通过选择高但可持续的初始视频比特率，视频流的用户体验可得到极大改善，因此在视频会话开始前准确预测吞吐量至关重要。受先前研究表明相似会话（例如共享相同瓶颈链路者）的吞吐量具有相似性启发，我们主张一种跨会话预测方法，即利用其他会话上测量的吞吐量来预测新会话的吞吐量。本文研究跨会话吞吐量预测的挑战，开发了一个名为DDA的准确吞吐量预测器，并使用真实世界数据集评估该预测器的性能。我们表明DDA比简单预测器和传统机器学习算法能更准确地预测吞吐量；例如，DDA的80%分位预测误差比其他算法低>50%。我们还表明，这种准确性的提升使视频播放器能够选择更高的可持续初始比特率；例如，与无预测的初始比特率相比，DDA带来了4倍的平均比特率。
引用
@article{arxiv.1505.02056,
title = {DDA: Cross-Session Throughput Prediction with Applications to Video Bitrate Selection},
author = {Junchen Jiang and Vyas Sekar and Yi Sun},
journal= {arXiv preprint arXiv:1505.02056},
year = {2015}
}