论文部分内容阅读
为了提高基于对等网络的分布式虚拟环境(DVE)场景预下载的预测精度并降低场景数据传输延迟,将社交推荐和推拉混合策略应用到DVE场景预下载中.首先描述和量化节点化身在虚拟环境中的兴趣,并对化身间相似度进行计算,生成预推荐场景集;然后将化身的视野区域划分为预拉取和预推送区域,提出针对不同区域预下载的推拉策略.基于开源DVE平台FLo D进行的实验结果表明,该机制能提高场景的预测精度并减少信息交互次数,进而提升DVE场景传输效率和化身漫游流畅度.