基于强化学习的码率自适应优化算法及其在水质监测中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 基于强化学习的码率自适应算法 | 第16-27页 |
| 2.1 引言 | 第16-18页 |
| 2.2 马尔科夫决策过程 | 第18-21页 |
| 2.3 强化学习算法 | 第21-24页 |
| 2.4 优化目标函数 | 第24-26页 |
| 2.5 小结 | 第26-27页 |
| 第3章 基于最近邻Q学习的码率优化算法 | 第27-49页 |
| 3.1 引言 | 第27-28页 |
| 3.2 码率自适应的决策模型 | 第28-30页 |
| 3.3 最近邻Q学习算法 | 第30-35页 |
| 3.4 仿真实验设计 | 第35-40页 |
| 3.5 实验结果与分析 | 第40-47页 |
| 3.6 小结 | 第47-49页 |
| 第4章 群体编码Q学习算法及其在码率优化中的应用 | 第49-60页 |
| 4.1 引言 | 第49页 |
| 4.2 神经元群体编码 | 第49-51页 |
| 4.3 神经元群体编码的Q学习算法 | 第51-53页 |
| 4.4 实验结果与分析 | 第53-58页 |
| 4.5 小结 | 第58-60页 |
| 第5章 流域水质监测的视频流数据管理平台开发 | 第60-70页 |
| 5.1 引言 | 第60-61页 |
| 5.2 平台总体架构 | 第61-63页 |
| 5.3 监测点视频数据管理模块 | 第63-65页 |
| 5.4 服务端视频数据管理模块 | 第65-68页 |
| 5.5 客户端视频播放模块 | 第68-69页 |
| 5.6 小结 | 第69-70页 |
| 第6章 结论与展望 | 第70-72页 |
| 6.1 论文总结 | 第70页 |
| 6.2 研究展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间参加的科研项目和成果 | 第77页 |
