| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-12页 |
| 1.1.1 互联网视频分发系统概述 | 第10-11页 |
| 1.1.2 互联网视频相关研究现状 | 第11-12页 |
| 1.2 本文贡献 | 第12-15页 |
| 1.2.1 面临的挑战 | 第12-13页 |
| 1.2.2 拟解决的问题 | 第13页 |
| 1.2.3 解决方案 | 第13-15页 |
| 1.3 本文组织结构 | 第15页 |
| 1.4 本章小结 | 第15-17页 |
| 第二章 相关研究综述 | 第17-27页 |
| 2.1 互联网视频服务质量评估标准的研究 | 第17-19页 |
| 2.2 常见分类算法的研究 | 第19-24页 |
| 2.2.1 朴素贝叶斯 | 第19页 |
| 2.2.2 决策树 | 第19-21页 |
| 2.2.3 支持向量机(SVM) | 第21-24页 |
| 2.3 主流数据挖掘工具介绍 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 互联网视频用户访问数据预处理 | 第27-37页 |
| 3.1 数据集描述 | 第27-28页 |
| 3.2 数据预处理流程 | 第28-36页 |
| 3.2.1 关键信息抽取 | 第28-29页 |
| 3.2.2 空缺信息填充 | 第29-32页 |
| 3.2.3 会话识别与会话聚合 | 第32-33页 |
| 3.2.4 关键视频质量指标的计算 | 第33-34页 |
| 3.2.5 地理位置信息的获取 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 互联网视频用户访问数据特征分析 | 第37-43页 |
| 4.1 用户地理位置和访问设备分布情况分析 | 第37-38页 |
| 4.2 关键视频质量指标分布情况及其与用户参与度的关系分析 | 第38-41页 |
| 4.2.1 关键视频质量指标分布情况 | 第38-39页 |
| 4.2.2 单个视频质量指标与用户观看率的关系 | 第39-41页 |
| 4.3 本章小结 | 第41-43页 |
| 第五章 基于模糊决策树的互联网视频用户体验质量评估模型的设计与实现 | 第43-53页 |
| 5.1 模糊决策树算法(FDT)和一般决策树算法(CDT)的异同 | 第44-45页 |
| 5.2 基于分类模糊度的模糊决策树算法的理论基础 | 第45-48页 |
| 5.2.1 模糊集理论 | 第45页 |
| 5.2.2 模糊性度量 | 第45-46页 |
| 5.2.3 模糊规则及其置信水平 | 第46-47页 |
| 5.2.4 分类模糊度度量 | 第47-48页 |
| 5.3 模糊决策树模型实现 | 第48-52页 |
| 5.3.1 数据模糊化 | 第48-50页 |
| 5.3.2 模糊决策树的推导过程 | 第50-51页 |
| 5.3.3 模糊决策树到模糊规则的转化 | 第51-52页 |
| 5.3.4 模糊规则的应用 | 第52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 实验与测试 | 第53-65页 |
| 6.1 实验环境及工具 | 第53-55页 |
| 6.1.1 硬件环境 | 第53页 |
| 6.1.2 软件环境 | 第53-54页 |
| 6.1.3 实验工具 | 第54-55页 |
| 6.2 模糊决策树模型的预测准确率 | 第55-63页 |
| 6.2.1 数据集 | 第55-56页 |
| 6.2.2 实验设计 | 第56-57页 |
| 6.2.3 结果对比与分析 | 第57-63页 |
| 6.3 本章小结 | 第63-65页 |
| 第七章 总结和展望 | 第65-67页 |
| 7.1 本文工作总结 | 第65-66页 |
| 7.2 今后研究展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文和科研情况 | 第73页 |
