面向移动流媒体的缓存预取技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 移动流媒体技术 | 第14-16页 |
| 1.3 移动流媒体系统的现状和挑战 | 第16-17页 |
| 1.4 研究内容及主要工作 | 第17-19页 |
| 1.5 本文组织结构 | 第19-21页 |
| 第二章 相关工作 | 第21-29页 |
| 2.1 流媒体系统架构 | 第21-22页 |
| 2.2 面向智能手机的协同化移动流媒体服务系统 | 第22-26页 |
| 2.3 协同式缓存数据预取策略 | 第26-29页 |
| 2.3.1 缓存构建 | 第26-27页 |
| 2.3.2 缓存数据预取 | 第27-28页 |
| 2.3.3 个性化协同推荐 | 第28-29页 |
| 第三章 基于广播监听的视频内数据预取机制 | 第29-47页 |
| 3.1 缓存数据预测策略 | 第29-31页 |
| 3.1.1 缓存预测设计目标 | 第29-30页 |
| 3.1.2 缓存预测相关工作 | 第30-31页 |
| 3.1.3 基于广播监听的预取机制设计难点 | 第31页 |
| 3.2 数据预取机制设计 | 第31-37页 |
| 3.2.1 基于强化学习的预测算法设计 | 第31-34页 |
| 3.2.2 基于广播监听的数据传输机制 | 第34-37页 |
| 3.3 数据预取机制实现 | 第37-40页 |
| 3.4 性能分析 | 第40-45页 |
| 3.4.1 实验场景设计 | 第40-41页 |
| 3.4.2 实验结果分析 | 第41-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于时空矩阵分解的视频间数据预取机制 | 第47-59页 |
| 4.1 问题描述 | 第47-49页 |
| 4.2 top-N预测算法研究现状 | 第49-51页 |
| 4.2.1 特征提取 | 第49-50页 |
| 4.2.2 推荐策略 | 第50-51页 |
| 4.3 数据预取算法设计 | 第51-55页 |
| 4.3.1 基本SVD算法 | 第51-54页 |
| 4.3.2 基于时空矩阵分解的视频间预测算法 | 第54-55页 |
| 4.4 性能分析 | 第55-58页 |
| 4.4.1 实验场景设计 | 第55-56页 |
| 4.4.2 实验结果分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文总结 | 第59-60页 |
| 5.2 前景展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 简历与科研成果 | 第67-69页 |
| 致谢 | 第69-70页 |
