公开(公告)号：CN116320620A

公开(公告)日：2023-06-23

申请号：CN202310349691.5

申请日：2023-04-04

Applicant: 南京大学

Inventor： 李文中 ,  徐业婷 ,  陆桑璐

IPC: H04N21/4402 ,  H04N21/466 ,  H04L65/60 ,  H04N21/442 ,  G06N3/092 ,  G06N3/098 ,  G06N3/0442

Abstract: 本发明公开了一种基于个性化联邦强化学习的流媒体比特率自适应调整方法，在基于HTTP的动态自适应流系统中，基于个性化联邦学习和深度强化学习，通过建立马尔可夫决策过程，将比特率自适应过程形式化表示。用户在本地使用强化学习来学习比特率自适应策略。目标方程以最大化用户的体验质量为目的。使用联邦学习协调用户和中央服务器来训练全局模型，并为每个用户使用本地数据在全局模型的基础上训练个性化模型。经过大量的训练，用户可以使用个性化模型来选择比特率从而实现在当前网络条件下目标方程的值最大。本发明在保护隐私不泄露的同时解决了网络环境和用户行为的重尾特性。