《信息的定义与度量.ppt》由会员分享,可在线阅读,更多相关《信息的定义与度量.ppt(43页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、Research On Quality of MPEG-2 Video Under Packet Loss (section 2),Shengke Qiu 12/4 2006,纲要,需要进一步阐述清楚的问题近期的一些实验所给出的结论论文的总体纲要,需要进一步阐述清楚的问题,建立网络参数和视频参数的”关系”利用线性模型的合理性和严谨性,我们的目的,Distortions due to compression,Distortions due to packet loss,建立网络参数和视频参数的关系,我们想要建立的是网络参数和视频参数的关系,需要更为严谨得定义”关系”这个词的涵义这是研究的总纲,对
2、网络参数的选择问题,问题的定义面对越来越多的网络条件参数我们该如何选择?能否断定某个网络参数对视频质量有影响呢?如果已拥有多个网络条件参数,能否给出一个优先序列,哪个参数对于我们的视频质量影响大,哪个参数影响小呢?哪些网络参数组合起来对视频质量有着较好的判断?,从上次我们用的例子看,采用的数据是MQ(mean quality) 和MD(mean distance) and VD(variance distance). 这里网络的条件参数是MD 和VD,视频参数是MQ。目标:判断MD 和VD到底哪个对视频参数MQ的影响更大。,MD vs. MQ,利用实验数据作线性方程来确定MD和MQ之间的关系,
3、Adjusted R-Square 值为0.3897,说明MD可以解释MQ 的0.3897的变化。,VD vs. MQ,Adjusted R-Square 值为0.1403,说明VD的变化可以解释MQ 0.1403的变化。,MD and VD vs. MQ,如果我们同时考虑上MD和VD,则可以得到,Adjusted R-Square 有较大提高,说明两参数对视频质量的状况都有影响,且两者结合起来可以更好的说明视频质量的变化状况,因此这两个参数都是很重要的。,一般性的阐述,设选中的网络参数集合为,一般性的问题定义设有m个网络参数对我们某个视频评估质量指标有影响。我们现在需要确定出最优的n个网络参
4、数。一种简单的智能算法,最初为空集合,。我们的目标就是要增加,中集合的个数使其最后成为对视频质量影响最大的n个网络参数的集合。,每增加一个参数的这个过程我们采用函数,来表示。,我们设第k步得到的集合为,,则我们从后面的nk+1个变量,中分别单个加入该集合,,形成暂态集合,然后比较每个集合形成的,回归方程的Adjusted R-Square, 选择Adjusted R-Square 最大的那个作为我们的,最后我们可以得到,就是我们所求。,一般性的阐述(续),从m个网络参数中得到n个我们想要的参数一共需要做,次可以得到结果。,全局最优计算的次数:,关键点:迭代算法中决定谁被入选谁被淘汰可采用线性回
5、归中的拟合优度Adjusted R-Square。,引证:1(ICIC05)中,该方法应用在选择一定数目对目标基因的影响最大的其他基因的以研究中。,需要进一步阐述清楚的问题,建立网络参数和视频参数的”关系”利用线性模型的合理性和严谨性,纲要,一些需要进一步阐述清楚的问题近期的一些实验所给出的结论毕业论文核心部分创新点的总体架构,近期的实验,丢包概率若以非均匀情况结果会如何验证条件期望为0 的假设,丢包概率非均匀的情况,实验情况概述原来的计算中,在同一段视频序列中,每个数据包的丢失采用一个确定概率值的随机变量。现在我们采用动态的办法,人为认为设定一个丢包的上限和下限,丢包概率在这个上下限之内随机
6、游动。,Upper limit,lower limit,MD vs. MQ,VD vs. MQ,MD VD vs. MQ,可以看到,我们也可以得到比较高的拟合优度,而且VD对于只有MD的情况依然会有很大的提升,(提升了0.16),验证条件期望为0 的假设,问题的定义我们需要验证的实际上服务于前面的第三个目的,数学基础补充,高斯-马尔可夫假设,MLR.1(参数的线性性),我们假设参数,是线性的,MLR.2(随机采样性),我们假设一个含有n次观测的随机样本,MLR.3(条件均值为0假设),这是最最重要的一条假设,上次王巍challenge我也主要就是验证这个假设是否成立,这条假设是保证我们得到的估
7、计系数是否无偏的重要条件,我近期做的实验也是在验证这条假设,陈述为:给定自变量的任何值,误差,的期望值为0,也就是,数学基础补充(continued),MLR.4(不存在完全共线性),在样本中,没有一个自变量是常数,自变量之间也不存在严格的线性关系。这可以由我们选择的实验数据来保证。,有了这四点假设,就可保证我们利用样本做出来的参数是对总体参数的无偏估计量了,也就是说,只要我们样本数量足够大,我们估计出来的参数可以无限逼近整体参数。,如果我们还想要我们估计出来的参数是方差最小的估计量,则还需要加上这样一条假定,MLR.5(OLS的方差最小),实验过程我们把一个视频流的每一个包构成的一组序列看作
8、为一组0/1向量值,如果一个包丢了,我们就算作0,如果没有丢,我们就算作为1,例如,假设在位置2, 5, 7, 9, 10处的包丢了,我们可以得到一列向量,验证条件期望为0 的假设,我们可以得到一个新向量,新向量的每一个值都是连续两个丢失包之间隔开的包,例如上面的这个例子就是,3, 2,2,0, ,验证条件期望为0 的假设 (continued),我们的目标,涵义:固定,多次重复计算视频序列质量值,给出分布,我们采用的固定解释变量的方法,验证条件期望为0 的假设 (continued),Size : 200,有一定正态分布形式,而没有完全满足正态分布原因:1.先天原因:该视频参数先天有一定的不
9、足2.后天原因:我们的样本数量不够多,验证条件期望为0 的假设 (continued),视频参数的先天条件,Size:100,Size:200,Size:591,在不丢包情况下,随着视频序列长度的增加,视频参数的密度分布,验证条件期望为0 的假设 (continued),比较两个视频算法哪个更满足条件期望为0假设,则说明,回归方程1对于视频参数y的刻划更加逼近真实值,验证条件期望为0 的假设 (continued),我们最后要得到的方程应该是各个点处均是其最大似然值,验证方差最小,MLR.5(OLS的方差最小),纲要,一些需要进一步阐述清楚的问题近期的一些实验所给出的结论毕业论文核心部分创新点
10、的总体架构,研究的思路1.数学中,理论上任何样本的值我们都是可以用高次多项式无限逼近的(泰勒定理)。2.统计研究的特性决定:估计出来的方程直接取决于我们得到的样本数,样本数越大,我们可以用很复杂的公式来拟合,这样,那么什么时候用什么方程最好,这是个非常难以解决的问题。而且会陷入“军备竞赛”。我们研究的关注点给定同样的样本数量,给定只能用线性模型估计,我能够保证OLS的估计量一定是最优的估计量。,线性模型的意义,线性模型的意义,方便和容易实现性通过前面我的分析,大家可以看到,线性模型基本上是能够适用的。但是,很多人会问我,为什么要用线性模型,还有很多拟合估计模型可以使用啊?Multiple re
11、gression models, ANOVA,CANOVA, ARMA, ARIMA 等。回答:首先,线性模型实现起来方便,速度快,在实际系统中,如果我们以后发展出来动态模型来估计,会需要实时性方面的要求,线性模型这种简单的模型会有其优越性(可能采用硬件实现)。,线性估计量在所有估计量中的地位,进一步研究点,在智能算法处需要用最少的比较次数来选出m个网络参数中n个对视频参数有最大影响的值,可以有什么样更好的算法?在视频质量的估计处如果有一些网络因素我们可能知道对于估计的准确性会有影响,但是我们还没有很好的办法测量出来,那么我们怎么来提高我们估计精度?(例如,统计中可以采用工具变量法(IV)等)
12、视频评估算法的选择不同的视频评估算法可以从不同的角度将他们作比较,以往经常时从人类的视觉心理来比较哪种评估算法比较好,建立了比较复杂的模型和主观客观实验来比较,而现在我们可以提出一种比较方法基于对网络参数变化敏感性的比较,也就是哪种视频参数能对网络参数的变化更加敏感,该参数就能更好的用于视频的动态调节系统。,如何把主观评价和客观评价结合起来,客观评价指标1只需要一次上下颠倒操作就可以把其评价序列和主观评价法一致起来,而客观评价指标2需要两次这样的操作,因此客观评价指标1优于客观评价指标2。,Reference1 L.J.Wu, S.L, “Combined Literature Mining
13、and Gene Expression Analysis for Modeling Neuro-Endocrine-Immune Interactions”, International Conference in Intelligent Computiong.2 J. M . Wooldridge , “Introductory Econometrics: A Modern Approach”, 2e, by South-Western , a division of Thomson Learning, chapter6, pp.197-199.3 Z.Wang, H. R.Sheikh, A.C. Bovik, “No-reference perceptual quality assessment of JPEG compressed images”, Proc. ICIP02, Sep. 2002, vol 1, pp.477-480.4 X.X. Lu, R.O.Morando, M.E. Zarki, “Understanding video quality and its use in feedback control”, in International Packet Video Workshop, 2002.,Q and AThanks!,