| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外发展前景 | 第10-12页 |
| 1.3 本文的研究内容及主要成果 | 第12-14页 |
| 第二章 基于QoE的视频分析概述 | 第14-21页 |
| 2.1 用户体验质量(QoE)指标介绍 | 第14-16页 |
| 2.2 传统QoS指标介绍 | 第16-17页 |
| 2.3 视频QoE评价度量方法综述 | 第17-20页 |
| 2.3.1 主观评价方法 | 第17-18页 |
| 2.3.2 客观评价方法 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 用户QoE数据分析与特征选取 | 第21-44页 |
| 3.1 数据来源分布情况 | 第21-22页 |
| 3.2 调查问卷的设计 | 第22-24页 |
| 3.3 数据处理 | 第24-25页 |
| 3.3.1 数据清洗 | 第24-25页 |
| 3.3.2 字段含义 | 第25页 |
| 3.4 数据统计分析 | 第25-36页 |
| 3.4.1 采集数据统计概况 | 第25-29页 |
| 3.4.2 问卷调查统计概况 | 第29-36页 |
| 3.5 特征选取 | 第36-43页 |
| 3.5.1 相关性 | 第36-37页 |
| 3.5.2 信息增益 | 第37页 |
| 3.5.3 特征离散化 | 第37-40页 |
| 3.5.4 特征选取统计分析 | 第40-43页 |
| 3.6 本章小节 | 第43-44页 |
| 第四章 用户QoE建模预测 | 第44-60页 |
| 4.1 经典建模算法介绍 | 第44-50页 |
| 4.1.1 支持向量机 | 第44-45页 |
| 4.1.2 提升算法 | 第45-48页 |
| 4.1.3 决策树 | 第48-50页 |
| 4.2 基于快速算法的C4.5 二分离散改进 | 第50-53页 |
| 4.3 基于模型精简与准确率权衡比较下的停止条件改进 | 第53-54页 |
| 4.4 基于特征离散度的C4.5 节点选取改进 | 第54-59页 |
| 4.4.1 特征离散度的定义 | 第54-55页 |
| 4.4.2 特征离散度统计量指标 | 第55-57页 |
| 4.4.3 基于特征离散度的决策树节点选取指标调整 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 实验结果分析验证 | 第60-71页 |
| 5.1 实验准备工作 | 第60-61页 |
| 5.2 经典算法预测准确率比较 | 第61页 |
| 5.3 决策树的四种算法比较 | 第61-63页 |
| 5.4 停止条件改进后准确率与模型复杂度对比 | 第63-65页 |
| 5.5 信息增益率调整后准确率对比 | 第65-66页 |
| 5.6 其他指标对比总结 | 第66-68页 |
| 5.7 基于距离的准确率新判定方案 | 第68-70页 |
| 5.8 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-74页 |
| 6.1 总结 | 第71-72页 |
| 6.2 未来的展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第77-78页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第78-79页 |
| 致谢 | 第79页 |