| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本论文的研究内容 | 第13-15页 |
| 第二章 相关背景知识 | 第15-26页 |
| 2.1 IPTV | 第15-17页 |
| 2.1.1 IPTV概述 | 第15页 |
| 2.1.2 IPTV体系架构 | 第15-16页 |
| 2.1.3 IPTV关键技术 | 第16-17页 |
| 2.2 QoS与QoE | 第17-18页 |
| 2.2.1 QoS | 第17页 |
| 2.2.2 QoE | 第17-18页 |
| 2.3 用户体验质量的评价方法综述 | 第18-22页 |
| 2.3.1 客观评价方法 | 第19-20页 |
| 2.3.2 主观评价方法 | 第20页 |
| 2.3.3 数据驱动的评价方法 | 第20-22页 |
| 2.4 理论和实践工具 | 第22-25页 |
| 2.4.1 机器学习技术 | 第22页 |
| 2.4.2 大数据处理平台 | 第22-24页 |
| 2.4.3 可视化工具 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 数据处理与分析 | 第26-37页 |
| 3.1 数据描述 | 第26页 |
| 3.2 用户观看习惯指标 | 第26-27页 |
| 3.3 主观评价指标的隐式获取计算方法 | 第27-29页 |
| 3.4 数据处理 | 第29-30页 |
| 3.4.1 数据清洗 | 第29页 |
| 3.4.2 数据标准化与归一化 | 第29-30页 |
| 3.5 数据分析 | 第30-33页 |
| 3.6 特征选择 | 第33-35页 |
| 3.6.1 相关性 | 第33-34页 |
| 3.6.2 特征选择统计分析 | 第34-35页 |
| 3.7 本章小结 | 第35-37页 |
| 第四章 基于改进的CART算法的用户QoE建模预测 | 第37-49页 |
| 4.1 基于多元非线性回归的混合评估模型 | 第37-40页 |
| 4.2 基于k近邻算法的评估模型 | 第40-41页 |
| 4.3 基于CART算法的评估模型 | 第41-42页 |
| 4.4 基于核函数的CART算法改进 | 第42-43页 |
| 4.5 实验结果分析验证 | 第43-48页 |
| 4.5.1 模型性能评价标准 | 第44页 |
| 4.5.2 经典算法预测准确度比较 | 第44-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 基于改进的CART算法的QoE评测系统 | 第49-60页 |
| 5.1 系统需求分析 | 第49-50页 |
| 5.1.1 系统目标用户分析 | 第49页 |
| 5.1.2 系统功能需求分析 | 第49-50页 |
| 5.2 系统设计 | 第50-52页 |
| 5.2.1 系统架构 | 第50-51页 |
| 5.2.2 系统模块设计 | 第51-52页 |
| 5.3 系统实现 | 第52-58页 |
| 5.4 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-63页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录2 攻读硕士学位期间申请的专利 | 第67-68页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第68-69页 |
| 致谢 | 第69页 |