| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 主要縮略语及中英文对照 | 第15-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1. 研究背景 | 第16-17页 |
| 1.2. 研究意义 | 第17-19页 |
| 1.3. 研究内容 | 第19-21页 |
| 1.4. 论文结构 | 第21页 |
| 1.5. 本章参考文献 | 第21-24页 |
| 第二章 服务器带宽资源优化研究综述 | 第24-41页 |
| 2.1. 云辅助P2P-VoD系统架构 | 第24-27页 |
| 2.1.1. 云与应用移植 | 第25页 |
| 2.1.2. 系统架构 | 第25-27页 |
| 2.2. P2P节点选择和激励机制 | 第27-32页 |
| 2.2.1. 邻居节点选择 | 第27-29页 |
| 2.2.2. 节点激励机制 | 第29-32页 |
| 2.3. 服务器带宽请求预测 | 第32-34页 |
| 2.4. 视频移植定价策略 | 第34-37页 |
| 2.5. 本章小结 | 第37-38页 |
| 2.6. 本章参考文献 | 第38-41页 |
| 第三章 面向移动设备的服务器带宽开销降低机制 | 第41-60页 |
| 3.1. 引言 | 第41-42页 |
| 3.2. 邻居节点选择算法(NCS) | 第42-46页 |
| 3.2.1. 节点缓冲区模型 | 第42-43页 |
| 3.2.2. 邻居节点选择算法 | 第43-44页 |
| 3.2.3. 数据块下载算法 | 第44-46页 |
| 3.3. 分布式线性税收算法(DLT) | 第46-50页 |
| 3.3.1. 线性税收算法模型 | 第47-48页 |
| 3.3.2. 分布式线性税收算法 | 第48-50页 |
| 3.4. 模拟实验评价 | 第50-58页 |
| 3.4.1. 模拟实验参数 | 第50-51页 |
| 3.4.2. 带宽费用开销评估 | 第51-53页 |
| 3.4.3. 节点请求拒绝数评估 | 第53-54页 |
| 3.4.4. 节点下载速率评估 | 第54-56页 |
| 3.4.5. 分布式线性税收算法评估 | 第56-58页 |
| 3.5. 本章小结 | 第58页 |
| 3.6. 本章参考文献 | 第58-60页 |
| 第四章 面向服务器请求带宽预测机制 | 第60-74页 |
| 4.1. 引言 | 第60-61页 |
| 4.2. P2P-VoD系统贡献与消耗平衡模型 | 第61-62页 |
| 4.3. 在线节点数量预测 | 第62-65页 |
| 4.3.1. 基于历史数据的在线节点数量预测算法 | 第63-64页 |
| 4.3.2. 无历史数据的在线节点数量预测算法 | 第64-65页 |
| 4.4. 种子节点上传带宽数量预测 | 第65-67页 |
| 4.5. 下载节点上传带宽数量预测 | 第67页 |
| 4.6. 模拟实验评价 | 第67-72页 |
| 4.6.1. 基于历史数据的在线节点数预测结果 | 第68-69页 |
| 4.6.2. 无历史数据的在线节点数预测结果 | 第69-71页 |
| 4.6.3. 种子节点上传带宽预测结果 | 第71-72页 |
| 4.6.4. 服务器带宽请求数预测结果 | 第72页 |
| 4.7. 本章小结 | 第72-73页 |
| 4.8. 本章参考文献 | 第73-74页 |
| 第五章 基于云预留资源的单云视频移植 | 第74-89页 |
| 5.1. 引言 | 第74-75页 |
| 5.2. 最小化预留带宽优化算法 | 第75-80页 |
| 5.2.1. 视频移植费用模型 | 第75-76页 |
| 5.2.2. 视频请求分配模型 | 第76-77页 |
| 5.2.3. 云带宽预留优化算法 | 第77-80页 |
| 5.3. 视频内容数据移植策略 | 第80-82页 |
| 5.4. 云预留资源视频移植系统举例 | 第82页 |
| 5.5. 模拟实验评价 | 第82-87页 |
| 5.5.1. 模拟实验参数设置 | 第82-83页 |
| 5.5.2. 稳定状态下性能评估 | 第83-86页 |
| 5.5.3. 高峰状态下性能评估 | 第86-87页 |
| 5.6. 本章小结 | 第87-88页 |
| 5.7. 本章参考文献 | 第88-89页 |
| 第六章 基于可信拍卖机制的多云视频移植 | 第89-106页 |
| 6.1. 引言 | 第89-90页 |
| 6.2. 云辅助VoD系统拍卖算法模型 | 第90-91页 |
| 6.3. 基于最低价格中标的拍卖算法 | 第91-97页 |
| 6.3.1. 视频实例定价机制 | 第91-92页 |
| 6.3.2. 基于最低价格的视频实例分配算法 | 第92-94页 |
| 6.3.3. 实例替换算法 | 第94-96页 |
| 6.3.4. 基于k-Vickrey的费用支付算法 | 第96-97页 |
| 6.4. 基于AEM的联盟限制算法 | 第97-99页 |
| 6.5. 实验评价 | 第99-104页 |
| 6.5.1. 实验设置 | 第100页 |
| 6.5.2. 实验结果 | 第100-104页 |
| 6.6. 讨论 | 第104-105页 |
| 6.7. 本章小结 | 第105页 |
| 6.8. 本章参考文献 | 第105-106页 |
| 第七章 结束语 | 第106-109页 |
| 7.1. 论文总结 | 第106-108页 |
| 7.2. 进一步研究工作 | 第108-109页 |
| 致谢 | 第109-111页 |
| 攻读博士学位期间发表和录用的论文 | 第111页 |