多层覆盖网络中视频业务QoE的感知及优化
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 论文主要内容及组织结构 | 第11-13页 |
| 第二章 研究现状及趋势 | 第13-19页 |
| 2.1 多层覆盖网络场景 | 第13-14页 |
| 2.2 视频业务QoE研究现状及趋势 | 第14-19页 |
| 2.2.1 图像ROI提取 | 第15页 |
| 2.2.2 视频QoE感知 | 第15-17页 |
| 2.2.3 视频QoE优化 | 第17-19页 |
| 第三章 基于最大熵随机游走的ROI提取方法 | 第19-29页 |
| 3.1 ROI提取与最大熵随机游走 | 第19-20页 |
| 3.1.1 ROI提取方法框架 | 第19页 |
| 3.1.2 建立图模型 | 第19-20页 |
| 3.1.3 求解平稳分布 | 第20页 |
| 3.2 权值矩阵的构建 | 第20-24页 |
| 3.2.1 SLIC超像素分割 | 第21-22页 |
| 3.2.2 基于二层邻域搜索的相似度测量 | 第22-23页 |
| 3.2.3 基于置信传播的矩阵优化 | 第23-24页 |
| 3.3 实验与结果分析 | 第24-27页 |
| 3.4 本章小结 | 第27-29页 |
| 第四章 基于ROI的视频QoE感知模型 | 第29-45页 |
| 4.1 无线网络视频业务特点 | 第29页 |
| 4.2 基于SSIM方法的ROI有效性验证 | 第29-31页 |
| 4.3 基于ROI加权的帧特征提取 | 第31-33页 |
| 4.4 基于MAD的时域特征聚合 | 第33-35页 |
| 4.5 基于集成学习的模型构建 | 第35-39页 |
| 4.5.1 CART | 第35-37页 |
| 4.5.2 Bagging | 第37-38页 |
| 4.5.3 Boosting | 第38页 |
| 4.5.4 随机森林 | 第38-39页 |
| 4.6 实验与结果分析 | 第39-44页 |
| 4.6.1 视频QoE感知实验 | 第39-41页 |
| 4.6.2 性能对比实验 | 第41-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第五章 基于吸引子构成的视频QoE优化方法 | 第45-57页 |
| 5.1 二维吸引子选择算法 | 第45-46页 |
| 5.2 多维吸引子构成算法 | 第46-47页 |
| 5.3 基于吸引子构成的视频QoE优化 | 第47-49页 |
| 5.4 仿真与结果分析 | 第49-56页 |
| 5.4.1 仿真平台 | 第49-51页 |
| 5.4.2 仿真及结果分析 | 第51-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
