摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第8-16页 |
1.1 研究背景及意义 | 第8-11页 |
1.1.1 用户体验质量概述 | 第8-10页 |
1.1.2 用户体验质量的研究意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 考虑视频内容的体验质量预测模型 | 第12-13页 |
1.2.2 基于机器学习的QoE与QoS的映射模型 | 第13-14页 |
1.3 主要研究内容 | 第14-15页 |
1.4 论文的组织结构 | 第15-16页 |
第二章 网络视频的用户体验质量评估方法 | 第16-29页 |
2.1 主观质量评价方法 | 第16-18页 |
2.2 客观质量评价方法 | 第18-20页 |
2.3 伪主观质量评价方法 | 第20-22页 |
2.4 相关QoE评价模型 | 第22-28页 |
2.4.1 基于内容聚类的视频质量预测模型 | 第22-24页 |
2.4.2 基于CBP神经网络的评估模型 | 第24-25页 |
2.4.3 结合NS2和Evalvid的视频质量评价模型 | 第25-28页 |
2.5 本章小结 | 第28-29页 |
第三章 考虑视频内容的体验质量预测模型 | 第29-42页 |
3.1 网络视频质量的影响因素 | 第29-34页 |
3.1.1 网络参数对视频质量的影响 | 第29-32页 |
3.1.2 视频内容对视频质量的影响 | 第32-34页 |
3.2 建立考虑视频内容的模型 | 第34-37页 |
3.3 实验环境与参数 | 第37-38页 |
3.3.1 视频序列选取 | 第37-38页 |
3.3.2 网络参数信息提取 | 第38页 |
3.4 实验结果分析 | 第38-41页 |
3.5 本章小结 | 第41-42页 |
第四章 基于深度学习的QoE与QoS的映射模型 | 第42-59页 |
4.1 深度学习基本原理 | 第42-43页 |
4.1.1 什么是深度学习 | 第42-43页 |
4.1.2 深度学习的基本思想 | 第43页 |
4.2 深度学习的常用模型 | 第43-50页 |
4.2.1 自动编码机 | 第43-44页 |
4.2.2 稀疏编码 | 第44页 |
4.2.3 受限玻尔兹曼机 | 第44-48页 |
4.2.4 深度玻尔兹曼机 | 第48-50页 |
4.3 基于H.264的视频传输系统的评估方案 | 第50-51页 |
4.4 建立QoE和QoS视频质量评价模型 | 第51-54页 |
4.5 实验环境与仿真结果分析 | 第54-57页 |
4.5.1 实验环境 | 第54-55页 |
4.5.2 仿真结果与性能分析 | 第55-57页 |
4.6 本章小结 | 第57-59页 |
第五章 结论与展望 | 第59-61页 |
5.1 结论 | 第59页 |
5.2 展望 | 第59-61页 |
参考文献 | 第61-66页 |
致谢 | 第66-67页 |
个人简历、在学期间的研究成果及发表的学术论文 | 第67页 |