| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 网络视频体验质量测量技术的研究现状 | 第15-18页 |
| 1.2.1 视频体验质量评价框架和模型研究现状 | 第15-17页 |
| 1.2.2 视频体验质量预测框架和模型研究现状 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 本文组织结构 | 第19-20页 |
| 第2章 网络视频体验质量测量技术研究 | 第20-31页 |
| 2.1 网络视频数据传输方案概述 | 第20-21页 |
| 2.2 网络视频体验质量的相关概念及影响因素研究 | 第21-25页 |
| 2.2.1 QoE、QoS、NP概念及关系 | 第21-22页 |
| 2.2.2 网络视频体验质量的影响因素 | 第22-24页 |
| 2.2.3 网络视频体验质量的相关指标 | 第24-25页 |
| 2.3 网络视频体验质量测量方法研究 | 第25-30页 |
| 2.3.1 视频体验质量测量技术的分类 | 第25-27页 |
| 2.3.2 视频体验质量评价方法 | 第27-28页 |
| 2.3.3 视频体验质量预测方法 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 网络视频体验质量综合评价技术 | 第31-40页 |
| 3.1 视频体验质量指标的确立 | 第31-32页 |
| 3.2 视频体验质量指标收集策略 | 第32-33页 |
| 3.2.1 客观视频体验质量指标收集策略 | 第32-33页 |
| 3.2.2 主观视频体验质量指标收集策略 | 第33页 |
| 3.3 主客观结合评价技术的设计 | 第33-37页 |
| 3.3.1 主客观结合评价技术流程 | 第33-35页 |
| 3.3.2 对原始数据的滤波操作 | 第35页 |
| 3.3.3 多元线性回归评价模型的原理 | 第35-37页 |
| 3.4 主客观结合评价技术的实现及性能评价 | 第37-39页 |
| 3.4.1 多元线性回归方法建模所用数据集简介 | 第37-38页 |
| 3.4.2 多元线性回归评价模型的实现 | 第38-39页 |
| 3.4.3 多元线性回归评价模型的性能评价 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于机器学习的视频用户观看行为预测技术 | 第40-49页 |
| 4.1 机器学习算法简介 | 第40-41页 |
| 4.1.1 机器学习的概念及其特性 | 第40页 |
| 4.1.2 机器学习算法的分类 | 第40-41页 |
| 4.2 视频用户观看行为预测方法设计 | 第41-43页 |
| 4.2.1 预测视频用户观看行为的挑战 | 第41-42页 |
| 4.2.2 梯度提升决策树预测方法 | 第42-43页 |
| 4.3 梯度提升决策树方法的应用及性能评价 | 第43-48页 |
| 4.3.1 梯度提升决策树方法建立用户评分行为预测模型 | 第43-45页 |
| 4.3.2 梯度提升决策树方法建立用户关闭视频行为预测模型 | 第45-46页 |
| 4.3.3 梯度提升决策树方法建立用户拖动行为的预测模型 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 视频体验质量测量系统的实现及模型优化对比 | 第49-65页 |
| 5.1 SSM技术概述 | 第49-52页 |
| 5.1.1 Spring框架简介 | 第49-50页 |
| 5.1.2 SpringMVC框架简介 | 第50-51页 |
| 5.1.3 Mybatis框架简介 | 第51-52页 |
| 5.2 体验质量参数收集系统的设计与实现 | 第52-62页 |
| 5.2.1 系统基本功能需求设计 | 第52-54页 |
| 5.2.2 系统基本功能模块设计 | 第54-58页 |
| 5.2.3 系统的实现及展示 | 第58-62页 |
| 5.3 模型的优化及其对比 | 第62-64页 |
| 5.3.1 多元线性回归评价模型的优化及其对比 | 第62页 |
| 5.3.2 用户评分行为预测模型的优化及其对比 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 附录A 攻读学位期间发表学术成果目录 | 第73-74页 |
| 附录B 攻读硕士学位期间所参与的科研项目 | 第74页 |
