IPTV视频QoE预测算法的研究与实现
| 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9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究目标及研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 相关技术背景介绍 | 第13-20页 |
| 2.1 QoE主观评价指标选取标准 | 第13页 |
| 2.2 IPTV视频客观指标选取标准 | 第13-16页 |
| 2.3 R语言 | 第16页 |
| 2.4 数据挖掘分类算法 | 第16-19页 |
| 2.5 本章总结 | 第19-20页 |
| 第三章 不同网络环境下的视频指标采集 | 第20-35页 |
| 3.1 实验环境搭建 | 第20-24页 |
| 3.1.1 局域网环境搭建 | 第20-21页 |
| 3.1.2 公网环境搭建 | 第21-24页 |
| 3.2 客观指标采集功能实现 | 第24-29页 |
| 3.2.1 局域网数据包分析 | 第24页 |
| 3.2.2 公网数据包分析 | 第24-25页 |
| 3.2.3 Libpcap定向抓包 | 第25-27页 |
| 3.2.4 采集程序逻辑实现 | 第27-29页 |
| 3.3 实验网络控制 | 第29-30页 |
| 3.4 采集实验设计 | 第30-34页 |
| 3.4.1 局域网采集实验设计 | 第30-31页 |
| 3.4.2 公网采集实验设计 | 第31-34页 |
| 3.5 本章总结 | 第34-35页 |
| 第四章 QoE预测算法中指标预处理方法研究 | 第35-48页 |
| 4.1 源数据提取 | 第35-37页 |
| 4.1.1 客观指标数据 | 第35-36页 |
| 4.1.2 主观指标数据 | 第36-37页 |
| 4.1.3 数据组织格式 | 第37页 |
| 4.2 异常值判别与处理 | 第37-40页 |
| 4.2.1 物理判别法 | 第38页 |
| 4.2.2 统计判别法 | 第38-40页 |
| 4.3 指标相关性分析 | 第40-41页 |
| 4.4 数据集调整算法 | 第41-46页 |
| 4.4.1 自适应评分修正算法 | 第41-44页 |
| 4.4.2 分类宽度调整算法 | 第44-46页 |
| 4.5 数据集准备 | 第46-47页 |
| 4.5.1 数据集划分 | 第46页 |
| 4.5.2 数据归一化 | 第46-47页 |
| 4.6 本章总结 | 第47-48页 |
| 第五章 IPTV视频QoE预测算法的实现与评估 | 第48-59页 |
| 5.1 数据挖掘分类算法应用 | 第48-55页 |
| 5.1.1 决策树 | 第48-51页 |
| 5.1.2 Bagging | 第51-52页 |
| 5.1.3 Adaboost | 第52-53页 |
| 5.1.4 随机森林 | 第53-54页 |
| 5.1.5 人工神经网络 | 第54-55页 |
| 5.2 QoE预测算法评估 | 第55-58页 |
| 5.3 本章总结 | 第58-59页 |
| 第六章 结束语 | 第59-62页 |
| 6.1 全文总结 | 第59-60页 |
| 6.2 下一步工作展望 | 第60-61页 |
| 6.3 研究生期间工作 | 第61-62页 |
| 6.3.1 发表论文 | 第61页 |
| 6.3.2 参与项目 | 第61页 |
| 6.3.3 负责工作 | 第61页 |
| 6.3.4 提交项目文档 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
