| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第14-16页 |
| 第1章 绪论 | 第16-26页 |
| 1.1 研究背景和意义 | 第16-22页 |
| 1.2 研究目标与内容 | 第22-23页 |
| 1.3 论文的组织结构 | 第23-26页 |
| 第2章 相关研究工作 | 第26-38页 |
| 2.1 流行度研究现状 | 第26-30页 |
| 2.1.1 影响流行度演化的因素 | 第26-28页 |
| 2.1.2 流行度演化建模与预测 | 第28-30页 |
| 2.2 流媒体缓存策略研究现状 | 第30-33页 |
| 2.2.1 基于访问时间的缓存策略 | 第31页 |
| 2.2.2 基于访问频率的缓存策略 | 第31-32页 |
| 2.2.3 访问时间与频率兼顾的缓存策略 | 第32页 |
| 2.2.4 基于价值函数的缓存策略 | 第32-33页 |
| 2.3 互联网电视测量研究现状 | 第33-35页 |
| 2.3.1 测量方法 | 第33页 |
| 2.3.2 测量内容 | 第33-35页 |
| 2.4 基于Hadoop的分析技术研究现状 | 第35-37页 |
| 2.4.1 基于MapReduce的分析引擎 | 第35-36页 |
| 2.4.2 基于内存计算的分析引擎 | 第36-37页 |
| 2.4.3 基于Shared-nothing MPP架构的分析引擎 | 第37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 基于收视行为的互联网电视节目流行度预测模型 | 第38-54页 |
| 3.1 引言 | 第38-39页 |
| 3.2 BD3P预测模型 | 第39-47页 |
| 3.2.1 问题定义 | 第39-40页 |
| 3.2.2 收视行为的动力学特征 | 第40-44页 |
| 3.2.3 最小二乘支持向量机预测模型 | 第44页 |
| 3.2.4 粒子群算法优化LSSVM超参数 | 第44-46页 |
| 3.2.5 建模流程 | 第46-47页 |
| 3.3 实验分析 | 第47-52页 |
| 3.3.1 数据集介绍 | 第47-48页 |
| 3.3.2 评价指标 | 第48-49页 |
| 3.3.3 结果分析 | 第49-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第4章 基于趋势侦测的互联网电视流行度预测方法 | 第54-68页 |
| 4.1 引言 | 第54-55页 |
| 4.2 基于趋势侦测的流行度预测方法 | 第55-62页 |
| 4.2.1 方法描述 | 第55-56页 |
| 4.2.2 流行度趋势侦测 | 第56-59页 |
| 4.2.3 特定趋势的预测模型 | 第59-61页 |
| 4.2.4 新上映节目流行度演化趋势分类 | 第61-62页 |
| 4.3 实验分析 | 第62-66页 |
| 4.3.1 实验环境 | 第62-63页 |
| 4.3.2 趋势侦测 | 第63-65页 |
| 4.3.3 流行度预测 | 第65-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第5章 基于流行度预测的互联网电视节目缓存调度算法 | 第68-82页 |
| 5.1 引言 | 第68-69页 |
| 5.2 互联网电视节目的流行度特征 | 第69-73页 |
| 5.2.1 数据描述 | 第69-70页 |
| 5.2.2 流行度与时间关系 | 第70-71页 |
| 5.2.3 流行度与内容关系 | 第71-72页 |
| 5.2.4 流行度与节目制作方关系 | 第72-73页 |
| 5.3 PPRA算法 | 第73-79页 |
| 5.3.1 数据预处理及输入特征选取 | 第73-74页 |
| 5.3.2 流行度预测模型的训练 | 第74-75页 |
| 5.3.3 模型准确性评估 | 第75-77页 |
| 5.3.4 基于流行度的缓存策略 | 第77-79页 |
| 5.4 性能评估 | 第79-81页 |
| 5.5 本章小结 | 第81-82页 |
| 第6章 基于云计算技术的互联网电视用户行为分析系统 | 第82-96页 |
| 6.1 引言 | 第82-83页 |
| 6.2 系统架构 | 第83-88页 |
| 6.2.1 机顶盒事件捕获 | 第84-85页 |
| 6.2.2 分布式数据存储 | 第85-87页 |
| 6.2.3 交互式分析引擎 | 第87-88页 |
| 6.3 测试分析 | 第88-93页 |
| 6.3.1 单用户和多用户的性能 | 第91-92页 |
| 6.3.2 简单选择和复杂联合查询 | 第92-93页 |
| 6.3.3 可扩展性 | 第93页 |
| 6.4 本章小结 | 第93-96页 |
| 第7章 工作总结与展望 | 第96-100页 |
| 7.1 工作总结 | 第96-97页 |
| 7.2 工作展望 | 第97-100页 |
| 致谢 | 第100-102页 |
| 参考文献 | 第102-116页 |
| 作者简历 | 第116-118页 |
| 攻读博士期间已完成论文情况 | 第118-120页 |
| 攻读博士期间参与的科研项目 | 第120页 |
