在已有P2P模型的基础上提出了基于内容相似度和推荐反馈计算节点推荐值的对等网络信用模型IPBS(Integrated-partial based si milarity Trust)。该模型利用节点间的内容相似度来评价节点提供推荐服务的能力,根据每次交易的内容不同而改变节点间相似度值;同时依据节点交易历史时间和推荐反馈值自适应动态地调整节点的推荐值;实例表明,IPBS节点间推荐值,通过参考节点内容相似度、交易历史时间和推荐反馈3种机制,加强了模型的动态适应能力和搜索服务的效率。
在已有P2P模型的基础上,提出了一种基于时间序列最近偏向技术的网络信任模型（recent-biased trust model,RBTM）。该模型采用了时间序列可变分割法选取评价时间单元（evaluate time unit,ETU）,同时引入了比较合理的时间衰减因子,并对新数据的加入做了详尽的描述;根据节点交易的历史时间信息、内容相似度和反馈评价值自适应动态地调整节点的推荐值;实例表明,该模型具有良好的扩展性和较低的运行开销。
多媒体流自适应控制是流媒体应用的基本要求和主要难点之一。RTP提供端到端的数据传输服务,以便接收端实现数据包顺序播放和音视频同步,它需要由实时传输控制协议RTCP(Real-Time Transport Control Protocol)提供质量反馈,达到传输的实时性和传输质量要求。详细设计了RTCP网络传输质量反馈的实现方法,并给出了媒体流自适应控制的实现策略。
