| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第16-28页 |
| 1.1 选题背景 | 第16-20页 |
| 1.2 研究现状 | 第20-23页 |
| 1.3 选题目的及意义 | 第23-25页 |
| 1.4 主要工作和创新点 | 第25-26页 |
| 1.5 本文的结构安排 | 第26-28页 |
| 2 无线信道下基于动态码率切换的视频播放体验改进算法 | 第28-46页 |
| 2.1 研究背景 | 第28-33页 |
| 2.1.1 问题描述 | 第28-32页 |
| 2.1.2 相关工作 | 第32-33页 |
| 2.2 基本测量 | 第33-35页 |
| 2.3 视频观看的QoE的衡量 | 第35-36页 |
| 2.4 缓存模型 | 第36-37页 |
| 2.5 影响视频卡顿的因素 | 第37-39页 |
| 2.6 视频码率选择的最优化模型 | 第39-42页 |
| 2.7 启发式算法 | 第42-43页 |
| 2.8 算法评估 | 第43-44页 |
| 2.9 本章小结 | 第44-46页 |
| 3 基于电视连续剧的用户需求预测 | 第46-64页 |
| 3.1 研究背景 | 第47-49页 |
| 3.1.1 问题描述 | 第47-48页 |
| 3.1.2 相关工作 | 第48-49页 |
| 3.2 电视连续剧发布的特点 | 第49-53页 |
| 3.2.1 数据集介绍 | 第49-50页 |
| 3.2.2 基本测量 | 第50-53页 |
| 3.3 用户的特点 | 第53-54页 |
| 3.4 预测用户是否为追剧用户 | 第54-56页 |
| 3.5 用户个体需求预测 | 第56-59页 |
| 3.6 流行度预测算法 | 第59-61页 |
| 3.6.1 追剧者需求预测 | 第59-60页 |
| 3.6.2 非追剧用户的需求预测 | 第60-61页 |
| 3.6.3 新用户的总体需求预测 | 第61页 |
| 3.6.4 总体需求预测 | 第61页 |
| 3.7 本章小结 | 第61-64页 |
| 4 前摄式缓存设计 | 第64-76页 |
| 4.1 研究背景 | 第64-67页 |
| 4.1.1 问题描述 | 第64-65页 |
| 4.1.2 相关工作 | 第65-67页 |
| 4.2 前摄式算法系统交互结构 | 第67-68页 |
| 4.3 最小化云端流量开销 | 第68-74页 |
| 4.3.1 目标函数 | 第69-70页 |
| 4.3.2 启发式求解 | 第70-72页 |
| 4.3.3 仿真 | 第72-74页 |
| 4.4 最小化内容提供商资源租用代价 | 第74-75页 |
| 4.5 本章小结 | 第75-76页 |
| 5 云与P2P协作下的带宽分配策略 | 第76-96页 |
| 5.1 研究背景 | 第76-80页 |
| 5.1.1 问题描述 | 第76-79页 |
| 5.1.2 相关工作 | 第79-80页 |
| 5.2 系统模型 | 第80-87页 |
| 5.2.1 非稳态模型 | 第80-86页 |
| 5.2.2 稳态模型 | 第86-87页 |
| 5.3 基于用户体验的带宽分配算法 | 第87-95页 |
| 5.3.1 文件下载情景中用户的QoE | 第88页 |
| 5.3.2 最大化系统内QoE | 第88-89页 |
| 5.3.3 启发式算法 | 第89-90页 |
| 5.3.4 算法评估 | 第90-93页 |
| 5.3.5 影响QoE的因素分析 | 第93-95页 |
| 5.4 本章小结 | 第95-96页 |
| 6 总结与展望 | 第96-98页 |
| 6.1 主要研究工作 | 第96-97页 |
| 6.2 问题与展望 | 第97-98页 |
| 参考文献 | 第98-104页 |
| 附录 | 第104-106页 |
| 个人简历及攻读博士学位期间取得的研究成果 | 第106-110页 |
| 学位论文数据集 | 第110页 |