| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第11-17页 |
| 1.1. 研究背景 | 第11-12页 |
| 1.2. 面向网络电视的视频点播量预测研究现状及挑战 | 第12-14页 |
| 1.3. 主要研究内容 | 第14-15页 |
| 1.4. 论文结构安排 | 第15-17页 |
| 第二章 相关研究工作 | 第17-24页 |
| 2.1. 视频点播量相关研究 | 第17-21页 |
| 2.1.1. 组播(频道直播)模式下的研究 | 第17-18页 |
| 2.1.2. 点播模式下的研究 | 第18-21页 |
| 2.2. 时间序列预测相关研究 | 第21-23页 |
| 2.3. 本章小结 | 第23-24页 |
| 第三章 视频点播量早期预测算法——SSMP | 第24-43页 |
| 3.1. 研究目标与问题 | 第24-26页 |
| 3.1.1. 研究目标 | 第24-25页 |
| 3.1.2. 问题定义 | 第25-26页 |
| 3.2. SSMP预测算法 | 第26-31页 |
| 3.2.1. 基于KNN回归的算法框架 | 第26-27页 |
| 3.2.2. 数据分析与算法设计 | 第27-28页 |
| 3.2.3. 融入缩放技术的相似度计算 | 第28-29页 |
| 3.2.4. 融入平移技术的相似度计算 | 第29页 |
| 3.2.5. 融入平滑技术的相似度计算 | 第29-30页 |
| 3.2.6. 算法小结 | 第30-31页 |
| 3.3. 实验准备 | 第31-34页 |
| 3.3.1. 数据集 | 第31-32页 |
| 3.3.2. 评价指标 | 第32-34页 |
| 3.4. 实验结果 | 第34-37页 |
| 3.4.1. 基础算法比较 | 第34-35页 |
| 3.4.2. 主流算法比较 | 第35-37页 |
| 3.5. 分析及讨论 | 第37-42页 |
| 3.5.1. 比较方法 | 第37页 |
| 3.5.2. 基本算法比较结果分析 | 第37-38页 |
| 3.5.3. 主流算法比较结果分析 | 第38页 |
| 3.5.4. 参数调整 | 第38-42页 |
| 3.6. 本章小结 | 第42-43页 |
| 第四章 视频点播量持续预测算法——DSLR | 第43-61页 |
| 4.1. 研究目标与问题 | 第43-46页 |
| 4.1.1. 研究目标 | 第43-44页 |
| 4.1.2. 问题定义 | 第44-46页 |
| 4.2. DSLR预测算法 | 第46-54页 |
| 4.2.1. 分而治之———DSLR基础框架 | 第46-48页 |
| 4.2.2. 改进还是改变——平稳期预测方案 | 第48页 |
| 4.2.3. 解决方案——DSLR算法 | 第48-54页 |
| 4.3. 实验准备 | 第54-58页 |
| 4.3.1. 对比用算法——SDL | 第54-55页 |
| 4.3.2. 实验设计 | 第55-56页 |
| 4.3.3. 参数设定与数据集 | 第56-57页 |
| 4.3.4. 评价指标 | 第57-58页 |
| 4.4. 实验结果及分析 | 第58-59页 |
| 4.5. 本章小结 | 第59-61页 |
| 第五章 视频点播量早期预测原型系统的设计实现 | 第61-71页 |
| 5.1. Clairvoyant系统设计 | 第61-64页 |
| 5.1.1. 整体框架 | 第61-63页 |
| 5.1.2. 技术方案 | 第63-64页 |
| 5.2. Clairvoyant系统实现 | 第64-70页 |
| 5.2.1. 数据存储层 | 第64-66页 |
| 5.2.2. 逻辑处理层 | 第66页 |
| 5.2.3. 结果呈现层 | 第66-70页 |
| 5.3. 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1. 工作总结 | 第71-72页 |
| 6.2. 下一步展望 | 第72-73页 |
| 附录一 攻读硕士学位期间发表的学术论文(第一作者) | 第73页 |
| 附录二 攻读硕士学位期间申请的专利 | 第73页 |
| 参考文献 | 第73-76页 |
| 后记 | 第76页 |