| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 本文章节安排 | 第16-18页 |
| 第二章IPTV系统中的流媒体缓存技术 | 第18-32页 |
| 2.1 流媒体技术 | 第18-20页 |
| 2.1.1 流媒体 | 第18页 |
| 2.1.2 流媒体数据传输方式 | 第18-19页 |
| 2.1.3 流媒体关键技术 | 第19页 |
| 2.1.4 流媒体系统的主要性能指标 | 第19-20页 |
| 2.2 视频点播 | 第20-22页 |
| 2.2.1 视频点播定义 | 第20页 |
| 2.2.2 视频点播系统分类 | 第20-21页 |
| 2.2.3 视频点播系统的组成及架构 | 第21-22页 |
| 2.2.4 视频点播集群 | 第22页 |
| 2.3 IPTV系统 | 第22-23页 |
| 2.4 CDN | 第23-29页 |
| 2.4.1 Overlay Network基本原理 | 第23-24页 |
| 2.4.2 CDN概述 | 第24页 |
| 2.4.3 CDN的网络架构 | 第24-29页 |
| 2.4.3.1 CDN的基本工作过程 | 第24-26页 |
| 2.4.3.2 CDN系统架构 | 第26-29页 |
| 2.4.4 CDN的关键技术 | 第29页 |
| 2.5 主要分段策略 | 第29-31页 |
| 2.5.1 全文缓存 | 第29-30页 |
| 2.5.2 前缀缓存 | 第30页 |
| 2.5.3 分段缓存 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于CDN的IPTV视频点播用户行为分析 | 第32-47页 |
| 3.1 多媒体用户行为分析现状 | 第32-33页 |
| 3.2 用户行为分析指标 | 第33-34页 |
| 3.2.1 播放时长 | 第33页 |
| 3.2.2 流行度 | 第33-34页 |
| 3.2.3 决定系数 | 第34页 |
| 3.3 用户访问时间分析 | 第34-36页 |
| 3.4 用户播放时长分析 | 第36-37页 |
| 3.5 流行度分析 | 第37-45页 |
| 3.5.1 外部流行度 | 第37-44页 |
| 3.5.1.1 Zipf分布 | 第37-39页 |
| 3.5.1.2 广延指数分布 | 第39-40页 |
| 3.5.1.3 广延指数分布的变形 | 第40-41页 |
| 3.5.1.4 三种分布的曲线拟合效果比较 | 第41-43页 |
| 3.5.1.5 相邻两天最热相同视频比较 | 第43-44页 |
| 3.5.2 内部流行度 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于流行度分类的流媒体非均匀分段策略 | 第47-54页 |
| 4.1 分段依据 | 第47-48页 |
| 4.1.1 分段对命中率的影响 | 第47-48页 |
| 4.1.2 外部流行度与缓存替换次数 | 第48页 |
| 4.2 分段策略 | 第48-50页 |
| 4.3 实验结果分析 | 第50-53页 |
| 4.3.1 最佳P值的选取 | 第50-51页 |
| 4.3.2 字节命中率 | 第51-52页 |
| 4.3.3 总分段数 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于最佳分段点估计的流媒体非均匀分段策略 | 第54-61页 |
| 5.1 分段依据 | 第54-58页 |
| 5.1.1 缓存的片段流行度对命中率的影响 | 第54-55页 |
| 5.1.2 存储占比与分界点流行度下限 | 第55页 |
| 5.1.3 最佳分段点的估计模型 | 第55-58页 |
| 5.2 分段策略 | 第58页 |
| 5.3 实验结果分析 | 第58-60页 |
| 5.3.1 相同总分段数情况下的字节命中率比较 | 第59页 |
| 5.3.2 相同命中率情况下的总分段数比较 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 1. 工作总结 | 第61-62页 |
| 2. 未来展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |