ICN-Based Enhanced Cooperative Caching for Multimedia Streaming in Resource Constrained Vehicular Environment
Notice bibliographique
Résumé
Today, with the worldwide offer and rapid increment in multimedia applications on the web, the demands of users to get them accessed are also increasing prominently. The users in vehicular environment too expect efficient multimedia streaming while travelling on the road. However, the high mobility of vehicles as well as the limited transmission range of infrastructure components in IP based network provides low performance by offering high delay and additional network overhead. To provide better Quality of Experience (QoE) with high performance, Information Centric Networking (ICN) is blended with vehicular environment. Caching the content inside network nodes is inherent feature of ICN with various associated benefits such as low content retrieval delay, less network traffic, path reduction and so on. However, challenges still exists for caching the content due to resource constrained network environment (such as limited cache capacity, node battery) as well as for secure delivery of cached data. To solve these challenges and to enhance network performance, we propose a cooperative caching scheme in hierarchical network architecture that jointly considers cache location as well as combined content popularity and predicted future rating score while making caching decision. The proposed approach uses two layer hierarchical architecture where nodes in edge layer are divided into clusters. The proposed scheme uses modified Weighted Clustering Algorithms (WCA) for selection of cluster heads which are then used to decide cache location. A probability matrix is used to compute content caching probability which considers both popularity and predicted future rating of content. The proposed approach dynamically predict the user's preferences using non-negative matrix factorization (NMF) - a machine learning technique which eventually provides prediction of future rating. Based on the selection of both cache location and content to cache, the proposed scheme can effectively cache the content in the network. Further, to deal with the secure delivery of cached content, this work supports legitimate user authorization at edge nodes. The performance of the proposed scheme is evaluated in MATLAB parallel computing toolkit. The results prove significant caching improvement in terms of cache hit, hop reduction and average delay using our proposed scheme.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».