| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 移动应用能耗研究现状 | 第10-11页 |
| 1.2.2 云资源调度研究现状 | 第11-13页 |
| 1.3 论文研究内容与组织结构 | 第13页 |
| 1.4 本章小结 | 第13-15页 |
| 第二章 相关背景知识介绍 | 第15-25页 |
| 2.1 基于云计算的网络系统架构 | 第15-21页 |
| 2.1.1 体系结构与关键技术 | 第15-18页 |
| 2.1.2 移动云计算 | 第18-19页 |
| 2.1.3 云视频服务系统 | 第19-21页 |
| 2.2 自适应视频流技术概述 | 第21-22页 |
| 2.3 云资源调度技术概述 | 第22-24页 |
| 2.3.1 云资源调度的关键技术 | 第23页 |
| 2.3.2 云资源调度算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于云计算的自适应视频流传输架构 | 第25-37页 |
| 3.1 问题提出 | 第25-26页 |
| 3.2 云服务器端设计 | 第26-30页 |
| 3.2.1 资源管理模块 | 第27-28页 |
| 3.2.2 策略评估模块 | 第28页 |
| 3.2.3 转码模块 | 第28-30页 |
| 3.3 客户端模块设计 | 第30-31页 |
| 3.4 系统工作流程 | 第31-35页 |
| 3.4.1 转码模块详细工作流程 | 第31-33页 |
| 3.4.2 系统总体工作流程 | 第33-35页 |
| 3.5 系统功能实现中的关键问题 | 第35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 基于终端能耗感知的分辨率码率自适应算法研究 | 第37-54页 |
| 4.1 移动终端能耗模型 | 第37-40页 |
| 4.1.1 多媒体计算过程中移动终端能耗情况分析 | 第37-38页 |
| 4.1.2 移动终端能耗模型建立 | 第38-40页 |
| 4.2 基于能耗感知的码率与分辨率自适应算法 | 第40-44页 |
| 4.2.1 现有基于能耗感知的码率与分辨率自适应算法 | 第40-43页 |
| 4.2.2 现有基于能耗感知的码率与分辨率自适应算法不足分析 | 第43-44页 |
| 4.3 改进的基于能耗感知的码率与分辨率自适应算法 | 第44-47页 |
| 4.3.1 改进的基于能耗感知的码率与分辨率自适应算法设计 | 第44-46页 |
| 4.3.2 改进的基于能耗感知的码率与分辨率自适应算法实现 | 第46-47页 |
| 4.4 仿真实验 | 第47-53页 |
| 4.4.1 实验仿真平台 | 第48页 |
| 4.4.2 仿真实验 | 第48-50页 |
| 4.4.3 结果分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 面向云端视频转码的基于成本的资源自适应配置算法 | 第54-79页 |
| 5.1 云端视频转码的资源配置所存在的问题 | 第54-55页 |
| 5.1.1 云端视频转码技术介绍 | 第54页 |
| 5.1.2 转码资源配置所存在的问题 | 第54-55页 |
| 5.2 反应式VM调度算法 | 第55-56页 |
| 5.3 云资源自适应配置算法研究 | 第56-67页 |
| 5.3.1 VM资源调度模型 | 第56-59页 |
| 5.3.2 云资源自适应配置算法设计 | 第59-67页 |
| 5.4 云资源自适应配置算法实现 | 第67-69页 |
| 5.5 仿真实验 | 第69-78页 |
| 5.5.1 性能指标 | 第70-71页 |
| 5.5.2 仿真实验与参数设置 | 第71-72页 |
| 5.5.3 实验结果与分析 | 第72-78页 |
| 5.6 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 附录 攻读硕士学位期间撰写的论文 | 第85-86页 |
| 致谢 | 第86页 |
