$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

다중 방송채널을 위한 데이타 할당

Data Allocation for Multiple Broadcast Channels

초록

무선 환경에서는 채널의 대역폭과 휴대장치의 전력이 제한된다. 이러한 환경에서 데이타를 브로드캐스트(Broadcast) 하는 것은 효과적으로 클라이언트(Client)에게 데이타를 제공하기 위한 훌륭한 기법이 된다. 싱글 채널(Single channel)에서 뿐만 아니라 다중 채널(Multi-channel) 환경에서 클라이언트들의 데이타에 대한 접근 패턴에 따라 브로드캐스트 프로그램을 작성하는 기법이 연구되어 왔다. 본 논문에서는 물리적으로 독립된 다중 채널 환경에서의 효과적인 브로드캐스트 기법에 대해 소개한다. 기존에 소개된 기법들에서는 데이타의 접근 확률(access probability)을 기초로 주어진 물리지 채널 수만큼 데이타 집합을 분할하게 된다. 이러한 기법들은 높은 접근 확률을 가지는 소수의 데이타의 낮은 접근 확률을 가지는 다수의 데이타로 나누게 된다. 하지만 이러한 기법들은 단순히 채널 수에 따라 데이타의 구분에만 관심이 있기 때문에, 동등한 채널 내에서 생기는 데이타들 간의 접근 확률의 차이가 무시된다. 실제 환경에서는 많은 수의 물리 채널을 확보하기가 어렵고, 상당히 많은 수의 데이타를 브로드캐스트 해야 한다. 따라서 동등한 채널 내에서도 접근 확률을 기초로 브로드캐스트 프로그램을 작성할 수 있다면 기존의 기법에서보다 더 좋은 성능을 낼 수 있을 것이다. 본 논문에서는 데이타의 집합을 채널 수에 맞게 분할함과 동시에 채널 내에서 브로드캐스트 되는 횟수를 정함으로써 다중 채널에서 접근확률의 편차가 심한 데이타를 브로드캐스트 해야 하는 상황에서 보다 적합한 방법을 제안한다.

Abstract

The bandwidth of channel and the power of the mobile devices are limited on a wireless environment. In this case, data broadcast has become an excellent technique for efficient data dissemination. A significant amount of researches have been done on generating an efficient broadcast program of a set of data items with different access frequencies over multiple wireless broadcast channels as well as single wireless broadcast channel. In this paper, an efficient data allocation method over multiple wireless broadcasting channels is explored. In the traditional approaches, a set of data items are partitioned into a number of channel based on their access probabilities. However, these approaches ignore a variation of access probabilities of data items allocated in each channel. In practice, it is difficult to have many broadcast channels and thus each channel need to broadcast many data items. Therefore, if a set of data items broadcast in each channel have different repetition frequencies based on their access frequencies, it will give much better performance than the traditional approaches. In this paper, we propose an adaptive data allocation technique based on data access probabilities over multiple broadcast channels. Our proposed technique allows the adaptation of repetition frequency of each data item within each channel by taking its access probabilities into at count.

저자의 다른 논문

참고문헌 (15)

  1. T. Imielinski and B. Badrinath, Wireless Mobile Computing : Challenges in Data Management, Comm. of ACM, Vol. 37, No. 10, pp. 18-28, 1994 
  2. K.L Tan and B.C. Ooi. Batch Scheduling for Demand-driven Servers in Wireless Environment. Journal of Information Sciences, Elsevier Science Publishing Inc, North-Holland, Vol. 109, 281-298, 1998 
  3. S. Acharya, R. Alonso, M. Franklin, and S. Zdonik, Broadcast Disks: Data Management for Asymmetric Communication Environments, pp. 199-210 Proc. SIGMOD, May 1995 
  4. Wai Gen Yee, Student Member, IEEE, Shamkant B. Navathe, Edward Omiecinski, and Christopher Jermaine, Efficient Data Allocation over Mulitple Channels at Broadcast Servers, IEEE Transaction on computers, Vol. 51, No. 10, pp. 1231-1236 October 2002 
  5. K. Prabhakara, K.A. Hua, and J. Oh, Multi-Level Multi-Channel Air Cache Designs for Broadcasting in a Mobile Environment, Proc. Int'l Conf. Data Eng. pp. 167-176 (ICDE), 2000 
  6. W.C. Peng and M.S. Chen, Dynamic Generation of Data Broadcasting Programs for Broadcast Disk Arrays in a Mobile Computing Environment, Proc. ACM Conf. Information and Knowledge Management (CIKM), pp. 35-45, Nov. 2000 
  7. Dimitrios Katsaros, Yannis Manolopoulos, Broadcast program generation for Webcasting, Data & Knowledge Engineering 2003., 49(1), 1-21 
  8. Steven C. Chanpra, Raymond P. Canale, Numerical Methods for Engineers with Programming and Software Applications, McGraw-Hill, pp.153-159 
  9. W.G. Yee, E. Omiecinski, and S.B. Navathe, Efficient Data Allocation for Broadcast Disk Arrays, Technical Reprot GIT-CC-02-20, Georgia Inst. of Technology, 2001 
  10. D. Johnson, A. Demers, J.Ullman, M. Garey, and M. Graham. Performance bounds for simple one-dimensional bin packing algorithms. SIAM Jr. on Comput. 3(4):299-325, 1974 
  11. Chih-Hao Hsu, Guanling Lee and Arbee L.P. Chen, Index and Data Allocation on Multiple Broadcast Channels Considering Data Access Frequencies, Mobile Data Management, 2002. Proceedings of the Third International Conference on 8-11 Jan.2002 pp. 87-93 
  12. S. Acharya, M. Franklin, and S.Zdonik. Balancing push and pull for data broadcast. In Proc. of 1997 ACM SIGMOD, page 183-194, May 1997 
  13. N.H. Vaidya and S. Hameed, Scheduling Data Broadcast in Asymmetric Communcation Environments, J. Mobile Networks and Applications, vol. 5, pp. 171-182, 1999 
  14. W.C. Lee, Q. Hi, and D.L. Lee, A Study on Channel Allocation for Data Dissemination in Mobile Computing Environments, J. Mobile Networks and Applications, vol. 4, pp. 117-129, 1999 
  15. S. Hameed and N. Vaidya, Efficient Algorithms for Scheduling Data Broadcastation. ACM/Baltzer Wireless Networks, 5(3):183-293, 1999 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일