大规模网络视频QoE测量与预测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 缩略词表 | 第11-12页 |
| 1 引言 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 研究现状 | 第13-15页 |
| 1.2.2 研究难点及挑战 | 第15-16页 |
| 1.3 本论文的主要贡献 | 第16-17页 |
| 1.4 本论文的组织结构 | 第17-18页 |
| 2 技术背景 | 第18-32页 |
| 2.1 P2P视频点播系统 | 第18-19页 |
| 2.2 机器学习算法 | 第19-24页 |
| 2.2.1 机器学习介绍 | 第19-20页 |
| 2.2.2 决策树 | 第20-21页 |
| 2.2.3 神经网络 | 第21-22页 |
| 2.2.4 逻辑回归 | 第22-23页 |
| 2.2.5 K近邻 | 第23页 |
| 2.2.6 概率图模型 | 第23-24页 |
| 2.3 模型评估改进 | 第24-26页 |
| 2.3.1 分类与回归 | 第24-25页 |
| 2.3.2 boost及bagging算法 | 第25-26页 |
| 2.3.3 模型评价方法 | 第26页 |
| 2.4 开发平台 | 第26-31页 |
| 2.4.1 Hadoop简介 | 第27-28页 |
| 2.4.2 Spark计算平台 | 第28-29页 |
| 2.4.3 Anaconda介绍 | 第29页 |
| 2.4.4 Scikit-learn集成库 | 第29-30页 |
| 2.4.5 PyStan工具包 | 第30页 |
| 2.4.6 Keras库 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 3 PPTV视频会话测量与观察 | 第32-43页 |
| 3.1 问题描述 | 第32-33页 |
| 3.1.1 研究目标 | 第32页 |
| 3.1.2 研究难点 | 第32-33页 |
| 3.2 PPLIVE数据集 | 第33-36页 |
| 3.2.1 数据集介绍 | 第33-34页 |
| 3.2.2 基本统计 | 第34-35页 |
| 3.2.3 数据预处理 | 第35-36页 |
| 3.3 缓冲率观察 | 第36-41页 |
| 3.3.1 数据稀疏性 | 第36-38页 |
| 3.3.2 缓冲率时间序列变化 | 第38页 |
| 3.3.3 预测可行性 | 第38-41页 |
| 3.4 特征表征的基本思路 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 视频会话QOE预测 | 第43-57页 |
| 4.1 特征量提取和筛选 | 第43-50页 |
| 4.1.1 BR特征提取 | 第44-45页 |
| 4.1.2 特征重要程度分析 | 第45-50页 |
| 4.2 贝叶斯推断特征调整 | 第50-53页 |
| 4.3 阈值讨论 | 第53页 |
| 4.4 模型构建 | 第53-54页 |
| 4.5 性能评估 | 第54-55页 |
| 4.6 本章小结 | 第55-57页 |
| 5 总结及展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第63-65页 |
| 学位论文数据集 | 第65页 |
